半全局立体匹配[1]

已于 2023-09-28 20:05:43 修改
阅读量281 收藏
点赞数 1
文章标签： 算法 c++
于 2023-09-28 20:04:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/duoji_/article/details/133390916
版权
本文介绍了基于Hirschmüller算法的半全局立体匹配方法，用于散斑图像的匹配。该算法通过一维路径搜索降低复杂度，能量函数考虑了平滑和边缘约束。详细解释了公式5.10中第二项和平滑项以及第三项的作用和实现策略。
摘要由CSDN通过智能技术生成

基于Hirschmüiller提出的半全局立体匹配算法对散斑图像进行图像匹配，该算法基于动态规划的思想，将二维图像的动态寻优用沿着8或16个方向上的一维路径搜索来代替，大大降低了计算复杂度。其建立的能量函数如下:

其中,p是目标像素点,q为像素p 的邻域Np内相邻的一点，两点的视差分别为Dp和Dq。C(p,Dp)表示像素点p对应视差为Dp的匹配代价，P1和P2分别表示平滑约束和边缘约束的惩罚因子。像素p沿着某条路径r的代价计算方法如式（5.10）所示:
 

其中，C(p,d)表示匹配代价，第二项是平滑项，第三项可以保证各路径代价值L,不超过阈值上限。
 

根据式(5.11)在图5.2所示的8个一维方向路径上对路径代价进行聚合得到匹配代价，然后通过WTA (Winner Takes All）原则决定每个像素的视差。

有没有大佬解释一下公式5.10中第二项和第三项的具体的实际含义或者实现

[1]孙才艺. 单目散斑结构光三维形貌测量方法研究[D].国防科技大学,2023.DOI:10.27052/d.cnki.gzjgu.2020.000816.

dkkb
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Semi-Global Matching（SGM）算法原文理解
zilanpotou182的博客
06-17 2万+
参考：@迷雾forest http://blog.csdn.net/wsj998689aa/article/details/49464017，原博主对SGM算法的精髓理解的很透，我是在参考他文章的基础上，才能看懂SGM算法几处关键的地方。本文的不同在于加入了一些我自己的理解，并且调整了一下整个算法阐述的思路，当是自己的一个阅读笔记。后边打算再做一下SGM原始算法与OpenCV的SGBM算法实现的对
sad代价计算_opencvSGBM半全局立体匹配算法的研究(1)
weixin_39677870的博客
12-20 606
转载请说明出处：http://blog.csdn.net/zhubaohua_bupt/article/details/51866567算法这段时间对opencvSGBM半全局立体匹配算法进行了比较细致的研究，现总结一下。函数本文先描述一下opencvSGBM算法流程，接着给出调用opencvSGBM须要设置参数的含义、数值选取以及运行效果，最后贴出opencvSGBM源码。测试第一部分：SGBM...
【立体视觉（五）】之立体匹配与SGM算法
最新发布
WoooChi的博客
10-06 2066
【立体视觉（五）】之立体匹配与SGM算法——立体视觉学习笔记。
基于python实现的SGM半全局立体匹配算法
小张的技术分享博客
12-08 3099
开始正是入门立体匹配算法啦，会不断更新立体匹配的算法和代码。水平有限，旨在先了解和读懂别人的代码的实现方式，和大家交流互相学习，自己用代码实现的话，…emmm…水平有限，可能还有点困难，大家一起努力呀。计算机视觉方向简介 | 半全局匹配SGM【理论恒叨】【立体匹配系列】经典SGM：（1）匹配代价计算之互信息（MI）【立体匹配】Stereo Processing by Semiglobal Matching and Mutual Information（SGM）
[双目视差] 立体匹配-SGBM半全局立体匹配算法
yegeli的博客
08-18 3227
立体匹配（x）SGBM半全局立体匹配算法 一、SGBM算法实现过程 1、预处理 预处理目的是得到图像的梯度信息 Step1：SGBM采用水平Sobel算子，对图像做处理，公式为： 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) Step2：用一个函数将经过水平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； PNEW表示新图像上的像素值。 映射函数： 其中preF
双目相机立体匹配算法BM和SGBM
weixin_43662044的博客
06-20 2936
OpenCV实现的计算机视觉立体匹配算法BM和SGBM
【理论恒叨】【立体匹配系列】经典SGM：（1）匹配代价计算之互信息（MI）
闲情逸致~
10-30 2万+
SemiGlobalMatching（SGM），立体匹配经典算法，理论详解教学！
动态规划 立体匹配 半全局立体匹配
06-14
根据论文Accurate and Efficient Stereo Processing by Semi-Global Matching and Mutual Information写的双目立体匹配代码，matlab编写方便阅读，带测试图片，注意算法只实现了4个方向，即左右，右左，上下，下上四...
结合加速鲁棒特征的遥感影像半全局立体匹配
02-06
针对遥感影像半全局立体匹配(SGM)对噪声敏感及在视差不连续和弱纹理区域产生条纹导致匹配率低的问题,提出一种结合加速鲁棒特征(SURF)的遥感影像SGM算法。首先,用SURF计算遥感影像的特征匹配点和特征点主方向,并用...
基于半全局和全局算法的立体匹配研究.doc
02-01
针对这一问题，目前策略主要有：（1）半全局优化算法：扫描线算法和动态规划算法；（2）全局优化算法：置信度算法和图割算法。本文旨在通过详细讨论这四种算法原理本质，算法步骤与算法运行，从而深刻分析各自的优点...
opencvSGBM半全局立体匹配算法的研究(1)
weixin_30457465的博客
07-09 1908
转载请说明出处：http://blog.csdn.net/zhubaohua_bupt/article/details/51866567 这段时间对opencvSGBM半全局立体匹配算法进行了比较细致的研究，现总结一下。 本文先描述一下opencvSGBM算法流程，接着给出调用opencvSGBM需要设置参数的含义、数值选取以及运行效果，最后贴出opencvSGBM源码。 第一部分：...
opencvSGBM半全局立体匹配算法的研究(2)
weixin_30772105的博客
07-09 1593
转载请说明出处：http://blog.csdn.net/zhubaohua_bupt/article/details/51866700 自己在stereosgbm.cpp的最后加了一个把灰度图像显示成伪彩色图像的函数，为的是更好的观察视差图。 myStereoSGBM::GenerateFalseMap(cv::Mat &src, cv::Mat &disp) ...
立体匹配---立体匹配过程
hairuiJY
05-31 1万+
立体匹配就4个步骤：匹配代价计算，代价聚合，计算视差，视差精化。 代价计算:常用的就是基于像素点匹配代价计算，一般有AD， SD，TAD什么的，基于区域的匹配代价计算一般有SAD，SSD， STAD之类的。匹配代价计算会生成一个disparity space image，也就是DSI。这个DSI是一个三维的空间，也就是每一个视差，得到一张代价图。假如视差范围是0～16，则会得到17幅代价图。
立体匹配十大概念综述---立体匹配算法介绍
wyf_wt的博客
12-14 3129
一、概念 立体匹配算法主要是通过建立一个能量代价函数，通过此能量代价函数最小化来估计像素点视差值。立体匹配算法的实质就是一个最优化求解问题，通过建立合理的能量函数，增加一些约束，采用最优化理论的方法进行方程求解，这也是所有的病态问题求解方法。 二、主要立体匹配算法分类 1）根据采用图像表示的基元不同，立体匹配算法分为： A、区域立体匹配算法（可获取稠密视差图。缺点：受图像的
双目立体匹配算法：SGM
热门推荐
dulingwen的博客
03-27 3万+
立体匹配旨在为校正后的左右视图提供稠密的匹配对，这种问题称为"stereo correspondence problem"。有大量的算法用于求解立体匹配问题，根据Scharstein和 Szeliski的研究，所有这些算法的计算流程基本上都可以分为四个步骤：A.匹配代价计算；B.代价聚合；C.视差计算/优化；D.视差细化。其中匹配代价用来度量像素或者像素块之间的相似性，计算匹配代价的方法有AD、SAD、BT、NCC、Census-Hamming、HMI、Daisy以及基于深度学习方法的匹配代价等等。
生成半全局立体匹配的代码
09-07
我可以为您提供一个用于生成半全局立体匹配代码的示例：``` // 使用SAD算法计算半全局立体匹配 int SAD(int width, int height, int *leftImage, int *rightImage) { int sum = 0; for (int y = 0; y ; y++) { ...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值