python 立体匹配_双目立体匹配步骤详解

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

来源：

https://blog.csdn.net/rs_lys/article/details/83302323

根据Schrstein和Szeliski的总结，双目立体匹配可划分为四个步骤：匹配代价计算、代价聚合、视差计算和视差优化。

一 、匹配代价计算

匹配代价计算的目的是衡量待匹配像素与候选像素之间的相关性。两个像素无论是否为同名点，都可以通过匹配代价函数计算匹配代价，代价越小则说明相关性越大，是同名点的概率也越大。

每个像素在搜索同名点之前，往往会指定一个视差搜索范围D(Dmin ~ Dmax),视差搜索时将范围限定在D内，用一个大小为W×H×D(W为影像宽度，H为影像高度)的三维矩阵C来存储每个像素在视差范围内每个视差下的匹配代价值。矩阵C通常称为DSI(Disparity Space Image)。

匹配代价计算的方法有很多，传统的摄影测量中，使用灰度绝对值差(AD，Absolute Differences)

1

、灰度绝对值差之和(SAD，Sum of Absolute Differences)、归一化相关系数(NCC，Normalized Cross-correlation)等方法来计算两个像素的匹配代价；计算机视觉中，多使用互信息(MI，Mu