《On Building an Accurate Stereo Matching System on Graphics Hardware》

算法简介

这篇文章是ad-census在gpu上的实现，作者提出了一些改进。ad-census也很熟悉了，在这里记下来，加以巩固，并提炼一些可借鉴的观点。

下面直接给出文章的算法流程：

1. AD-census计算代价。结合AD在重复区域表现好和census在无纹理区域表现好的优势，所以将AD和census进行结合。并且将两个代价进行归一化，将两者的范围都规范化0-1的范围。
   
   
   
   
2. 改进的十字交叉域代价聚合。基于颜色相似度和空间接近度对每个像素计算十字臂的长度，为了在无纹理区域和深度不连续区域获得更好的结果，对原始的十字臂计算的算法进行改进，从而获得更好的效果。在交叉构建步骤之后，像素 p 的窗口区域通过合并位于 p 垂直臂（例如 q）上的所有像素的水平臂来建模。获得十字交叉域后，进行代价聚合，原始的聚合策略是第一遍横向汇总匹配成本并存储中间结果； 然后第二遍垂直聚合中间结果以获得最终成本，这个过程迭代2-4次。改进的聚合策略是第一次和第三次先水平聚合，再垂直聚合，第二次和第四次，先垂直聚合再水平聚合，两种聚合方式的十字交叉区域不一样，这样能够提高大的无纹理区域和深度不连续区域的精度。
   
   
   
   
3. 扫描线优化。对P1和P2的计算进行了改进。
   
4. 后处理。包括左右一致性检测，迭代投票，视差填充，边界视差调整，亚像素插值，中值滤波。这一块就不多叙述了，但是源码测试，发现迭代投票和视差填充使结果变差了，不知道为什么。

下面给出原文的参数设置：

算法结果

借鉴

AD-census的代价计算的函数$\rho$，可以将两种不同范围的代价计算的方法结合到一块。扫描线优化对P1和P2的改进。