关于multiple plane的Stereo matching 一点理解

在Computer Vision领域里面Stereo matching一个很古老的话题了。用一句话来形容它的目的就是：通过不同角度拍摄的三维场景的图像来估计场景中的深度信息。直观的理解就是人眼的一个感受：当人把手指放在离双眼很近的地方时，通过左眼和右眼分别观察到的手指在左右视野中变化很大，而手指放在离双眼较远的地方时，两个眼睛分别形成的视野中手指变化不大。这个变化可以用一个量disparity来形容，它跟物体的深度信息成这样一个反比关系：

d*z=f*B

其中d即为disparity，z为深度depth，f是focal length，即为相机的焦距，B是baseline，是两个camera的中心之间的距离。所以在相机参数已知的情况下，知道的了disparity就知道了图像中每个pixel的depth信息。所以stereo matching的讨论简化之讨论如果通过两张不同位置拍摄的图像，来计算一张图像中的disparity map。在这里两张图像一张是计算disparity的图像，另一张可以看做是reference的图像，不过它们的顺序当然可以颠倒。有一篇综述大致介绍stereo matching的pipeline，我个人觉得蛮不错的，可以作为入门级的教科书，也是我接触stereo看的第一篇paper。