视差估计-立体匹配

在网上找的一个视频，强烈建议观看：https://space.bilibili.com/328453794?spm_id_from=333.788.b_765f7570696e666f.2
视频对应的博客为：https://ethanli.blog.csdn.net/【转载】

Stereo processing by semiglobal matching and mutual information

SGM的匹配过程分为4步骤：
1.代价计算2.代价聚合3.视差估计(最优求解，即最小化能量函数)34.后处理优化
代价计算：针对A图像素和B图对应的像素，计算其不匹配程度（代价）
如果视察图正确，则warp后的同名点的对应也正确，则代价小。
代价的计算方式很多：从最简单的像素差的绝对值，到互信息（MI）,Census Transformer(CT)，NCC等，再到先提取特征，然后特征计算预先距离（如ＳＩＦＴＦｌｏｗ，ＣＦＯＧ等）。不同的计算方式有着不同的特征，如ＭＩ对环境光的变化更鲁棒，ＳＦＩＴ特征对光照也鲁棒。
２.代价聚合
将该像素与周围像素的关系也通过代价形式，加入到能量函数中。
如光流估计中，希望周围像素的光流一致；视察估计中，也希望同一目标视差平滑，不同目标的视差可以有较大变化
所以，ＳＧＭ中，比较当前像素与周围像素的视差，当视差小于阈值时，代价为ｐ１；视差大于阈值，代价为ｐ２（ｐ２与像素变化成反比；像素变化大，表示两个不同目标，视差可以大，代价小；像素变化小，代价大）
３.视差估计
即利用最优化的办法求步骤２中代价的最小值的解

相关代码介绍：https://yongqi.blog.csdn.net/article/details/102634143?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.not_use_machine_learn_pai&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.not_use_machine_learn_pai

代码：https://github.com/ethan-li-coding/SemiGlobalMatching

GA-Net: Guided Aggregation Net for End-to-end Stereo Matching

patchmatch

https://github.com/ethan-li-coding/PatchMatchStereo