OpenCV三种立体匹配求视差图算法总结

最新推荐文章于 2023-06-20 22:05:36 发布

mailang2008

最新推荐文章于 2023-06-20 22:05:36 发布

阅读量3.6w

点赞数 11

分类专栏：机器视觉文章标签：算法

本文链接：https://blog.csdn.net/mailang2008/article/details/5873883

版权

本文总结了OpenCV中的三种立体匹配算法：BM、SGBM和GC。BM算法速度快但效果一般，适用于实时场景；SGBM是改进版，效果较好，速度较快；GC算法虽然效果最佳，但速度较慢。通过调整关键参数，如minDisparity、numberOfDisparities和uniquenessRatio，可以优化匹配效果。

摘要由CSDN通过智能技术生成

对OpenCV中涉及的三种立体匹配算法进行代码及各自优缺点总结：

首先我们看一下BM算法：

该算法代码：

CvStereoBMState *BMState = cvCreateStereoBMState(); int SADWindowSize=15; BMState->SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 9; BMState->minDisparity = 0; BMState->numberOfDisparities = 32; BMState->textureThreshold = 10; BMState->uniquenessRatio = 15; BMState->speckleWindowSize = 100; BMState->speckleRange = 32; BMState->disp12MaxDiff = 1; cvFindStereoCorrespondenceBM( left, right, left_disp_,BMState); cvNormalize( left_disp_, left_vdisp, 0, 256, CV_MINMAX );

其中minDisparity是控制匹配搜索的第一个参数，代表了匹配搜苏从哪里开始，numberOfDisparities表示最大搜索视差数uniquenessRatio表示匹配功能函数，这三个参数比较重要，可以根据实验给予参数值。

该方法速度最快，一副320*240的灰度图匹配时间为31ms，视差图如下。