SGBM立体算法部分概念

opencv SGBM
立体匹配(Stereo Matching)：目标是从不同视点图像中找到匹配的对应点,计算机视觉中的重要又困难的问题
深度计算
视差
视差图
拖尾效应
亚像素化
KITTI
代价计算
互信息
图像的概率分布P是什么意思？答案一句话，图像的灰度直方图
图像的灰度值是0~255，每个灰度值对应的像素个数除以图像像素个数就是该灰度值对应的概率，
单幅图像的概率密度是一维的，那么自然地，两幅图像的联合概率密度就是二维的，
它的定义域取值就是（0，0）~（255，255）
立体匹配是一种从平面图像中恢复深度信息的技术，通过匹配两幅或者多幅图像来
局部匹配算法 全局匹配算法(图割算法)
所谓半全局指的是算法既没有只考虑像素的局部区域，也没有考虑所有的像素点。
能量函数 数据项和平滑项
视差值
动态规划优化算法是常用的求解能量最小化的方法。
SGM是立体匹配逐渐取代激光雷达生成视差图的技术关键，同时也是商业软件中应用最多的立体匹配算法。
SGM是立体匹配逐渐取代激光雷达生成视差图的技术关键，同时也是商业软件中应用最多的立体匹配算法。
算法流程
Sobel算法
Sobel算子是一种常用的边缘检测算子，是一阶的梯度算法，特殊卷积核卷积+类似relu函数
sad算法 Sum of absolute differences
此种方法就是以左目图像的源匹配点为中心，定义一个窗口D，其大小为（2m+1） (2n+1)，
统计其窗口的灰度值的和，然后在右目图像中遍历选择某个点求移动窗口灰度值的和，逐步计算其左右窗口的灰度和的差值，最后搜索到的差值最小的区域的中心像素即为匹配点。
算子使用两个3*3的矩阵算子分别和原始图片作卷积，分别得到横向Gx和纵向Ｇy的梯度值，如果梯度值大于某一个阈值，则认为该点为边缘点
预处理：
 1.算子。 水平Sobel算子 Sobel(x,y)=2[P(x+1,y)-P(x-1,y)]+ P(x+1,y-1)-P(x-1,y-1)+ P(x+1,y+1)-P(x-1,y+1)
 2.映射。 经过水平Sobel算子处理后的图像上每个像素点（P表示其像素值）映射成一个新的图像
代价计算
 1.SAD窗口 原图像经过基于采样的方法
动态规划：


后处理：


参数的含义
数值选取
[1] opencvSGBM半全局立体匹配算法的研究 https://blog.csdn.net/zhubaohua_bupt/article/details/51866567
[2] 视觉图像：Sobel算子及其实现 https://jingyan.baidu.com/article/b7001fe1a782c60e7282ddac.html
[3] Stereo Processing by Semi-Global Matching and Mutual Information http://www.ixueshu.com/download/c311b5dce522e371318947a18e7f9386.html
[4] Depth Discontinuities by Pixel-to-Pixel Stereo http://www.ixueshu.com/download/0d6f0cddbbe2f6a7318947a18e7f9386.html 
[5] 手机能作为机器人进入家庭的切入点 https://blog.csdn.net/taily_duan/article/details/53607557
[6] OpenCV3.0立体匹配算法对比研究（SGBM、BM、GC）含示例代码 https://blog.csdn.net/cxgincsu/article/details/74451940