关于双目测距中立体匹配算法的研究(一)

1.概述

目前常用的立体匹配算法有BM（blocking match块匹配），SGBM（semi-global BM），GC（graph cut图割）；传统的立体匹配算法中，全局匹配算法都无法满足实时性的要求，因此此处只对BM和SGBM这种局部匹配法进行分析和优化，GC是全局匹配不做介绍。

2.BM算法

2.1 BM算法的原理

BM算法是一种基于SAD窗的局部匹配算法，思想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+1X2n+1)，统计其窗口的灰度值的和，然后在右目图像中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。基于SAD窗口的BM算法的处理速度很快，理论上一副320X240的灰度图匹配时间为30ms。实验使用640X480的镜头，测算出平均耗时约为90ms。但是这种算法只能用于处理简单场景，对于稍微复杂的场景会存在边缘匹配关键点缺失的信息丢失问题，严重影响测距性能。

2.2 BM算法的代码实现

2.2.1 BM算法在OpenCV中的源码分析

#include <opencv2/opencv.hpp>  
#include <windows.h>
#include <iostream>  

using namespace std;
using namespace cv;

Mat ImageL, ImageR;

Ptr<StereoBM> bm = StereoBM::create(32, 15);

int main()
{
   
	long  start = GetTickCount();
	ImageL = imread("ll.jpg",0);
	ImageR = imread("rr.jpg",0);

	bm->setBlockSize(15); 
	bm->setPreFilterCap(31);
	bm->setMinDisparity(0);  
	bm->setNumDisparities(32);
	bm->setTextureThreshold(10);
	bm->setUniquenessRatio(10);
	bm->setSpeckleWindowSize(100);
	bm->setSpeckleRange(32);
	bm->setDisp12MaxDiff(-1);

	Mat disp, disp8;
	bm->compute(ImageL, ImageR, disp);
	disp.convertTo(disp8, CV_8U, 255 / ((32)*16.));
	long stop = GetTickCount();
	cout << (stop - start) << "ms" << endl;
	imshow("disparity", disp8);
	
	waitKey(0)