SGBM立体匹配算法测试公开测试图像,得到深度视差图,用的middlebury公开数据,网址是https://vision.middlebury.edu/stereo/data/,可以得到深度视差图,这个网站公开数据时,会给出相机参数,我在程序里把这些参数加上了,首先获取这些参数,然后设置图像尺寸,经过立体校正、重映射畸变矫正,根据需求修改BM算法参数,最后归一化得到深度视差图。
下面的两张图像,分别是middlebury网站公开的左右目图像,
cam0=[1733.74 0 792.27; 0 1733.74 541.89; 0 0 1]
cam1=[1733.74 0 792.27; 0 1733.74 541.89; 0 0 1]
doffs=0
baseline=536.62
width=1920
height=1080
ndisp=170
vmin=55
vmax=142
上面这个是middlebury公开的一些参数,我们可以和SGBM算法结合。得到深度视差图:
附上代码:
import cv2
import numpy as np
import cv2.ximgproc as ximgproc
# 相机内参矩阵
left_camera_matrix = np.array([[1733.74, 0, 792.27],
[0, 1733.74, 541.89],
[0, 0, 1]])
right_camera_matrix = np.array([[1733.74, 0, 792.27],
[0, 1733.74, 541.89],
[0, 0, 1]])
# 假设畸变系数为零
left_distortion = np.zeros((1, 5))
right_distortion = np.zeros((1, 5))
# 图像尺寸
size = (1920, 1080)
# 立体校正(在这个例子中,我们假设R和T已经是校正后的,因此直接使用单位矩阵和零向量)
R = np.eye(3)
T = np.array([[536.62], [0], [0]]) # 假设摄像头沿x轴平行排列,且baseline为536.62mm
# 立体校正
R1, R2, P1, P2, Q, validPixROI1, validPixROI2 = cv2.stereoRectify(left_camera_matrix, left_distortion,
right_camera_matrix, right_distortion, size, R, T)
# 校正查找映射表
left_map1, left_map2 = cv2.initUndistortRectifyMap(left_camera_matrix, left_distortion, R1, P1, size, cv2.CV_16SC2)
right_map1, right_map2 = cv2.initUndistortRectifyMap(right_camera_matrix, right_distortion, R2, P2, size, cv2.CV_16SC2)
# 直接加载左右图像
imgL = cv2.imread("img0.png", cv2.IMREAD_GRAYSCALE)
imgR = cv2.imread("img1.png", cv2.IMREAD_GRAYSCALE)
# 重映射畸变矫正
imgL = cv2.remap(imgL, left_map1, left_map2, cv2.INTER_LINEAR)
imgR = cv2.remap(imgR, right_map1, right_map2, cv2.INTER_LINEAR)
# 转换为opencv的BGR格式
imgL = cv2.cvtColor(imgL, cv2.COLOR_GRAY2BGR)
imgR = cv2.cvtColor(imgR, cv2.COLOR_GRAY2BGR)
# 设置SGBM参数
blockSize = 3
img_channels = 3
stereo = cv2.StereoSGBM_create(minDisparity=0,
numDisparities=128,
blockSize=blockSize,
P1=8 * img_channels * blockSize * blockSize,
P2=32 * img_channels * blockSize * blockSize,
disp12MaxDiff=-1,
preFilterCap=63,
uniquenessRatio=10,
speckleWindowSize=100,
speckleRange=1,
mode=cv2.STEREO_SGBM_MODE_SGBM_3WAY)
# 计算视差
disparity = stereo.compute(imgL, imgR)
disp = cv2.normalize(disparity, disparity, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)
# 显示视差图
cv2.imshow('Disparity Map', disp)
cv2.waitKey()
cv2.destroyAllWindows()
总体效果看着还不错。
这是用的middlebury公开测试图像,官方给了相关参数,如果想用自己双目相机拍摄的图像,自己相机标定的参数请看我上一篇。