《Evaluation of a New Coarse-to-Fine Strategy for Fast Semi-Global Stereo Matching》

文章概况

这篇文章提出一种由粗到精的快速SGM方法。

1. 先将原图进行下采样，得到半分辨率的图像，然后用SGM计算视差图，视差范围是 D / 2，将得到的视差图进行上采样，采用线性插值的方法进行填充，并且进行左右一致性检测得到粗视差图。
2. 利用粗视差图的视差信息来限制视差搜索范围。具体是：在全分辨率图像上进行视差计算，视差范围根据粗视差图来确定，对于有效视差值，视差范围是d ∈ {δ − 4, δ − 3 . . . , δ + 3, δ + 4} ⊂ N，其中$\sigma$是粗视差，对于接近0或D的有效视差，对视差范围进行平移，对于无效视差，视差搜索范围是D。同样用SGM计算视差，得到精视差图。

以上就是这篇文章的算法流程的介绍。经过测试，该方法能够提高计算效率，并且不损失准确率。

借鉴

可以利用分层金字塔的思想，进行多次下采样，再将上层生成的视差图逐层往下传递，这样就能使算法更加高效。