《Active stereo-matching for one-shot dense reconstruction》

算法流程

这篇文章是基于特征匹配的主动式双目立体匹配算法，由于被动的双目系统在无纹理区域会产生大量的误匹配点，为了改善这个不足，向场景中主动投射散斑信息，增加人为的特征信息。下面给出文章的算法流程：

值得说明的几点：

• 投影仪最好 置于两个相机的中间，这样，两个相机排到的图案最相似，避免散焦造成的影响。
• 图像增强：为了克服不同反射率和不同光照造成的左右图的光度失真，对图像的对比度进行图像增强，先用DC subtraction，然后用局部直方图均衡。
• 特征提取：用Harris 角点检测器和MSER blobs 检测器的组合来检测特征，然后用SIFT算法来生成特征描述子。
• 特征匹配：用欧氏距离来衡量左右图特征描述子之间的相似性。
• 三角测量得到三维点云。
• 点云滤波：分别用了三种滤波算法并进行评价。

由于本文用的是基于特征的立体匹配，所以生成的是稀疏的点云。

思考

能否利用特征匹配进行粗匹配，然后再进行精匹配？