三维重建（10）之立体匹配算法详解：BM、SGBM

C++ opencv实例之立体匹配算法详解：BM、SGBM

• 基于Opencv讲述几种主要的经典立体匹配算法
• 立体匹配均应在极线/立体校正后应用，方可取得最佳效果
• 目前，基于深度学习的立体匹配也发展迅速，但精度往往同速度成反比
• 下边依次讲述双目匹配、BM算法、SGBM算法及其opencv接口应用实例，其中实现效果如下：
  

1.双目匹配

双目立体视觉系统中，深度信息的获得是分如下两步进行的:

(1) 在双目立体图象间建立点点对应,

(2) 根据对应点的视差计算出深度。

第一部分，也就是对应点问题，是双目立体视觉的关键; 第二部分是摄像机模型问题。双目立体视觉模型中，双摄像机彼此参数一致，光轴平行且垂直于基线，构成一共极性 (epipolar) 结构，这样做是为了缩小对应的搜索空间，只有水平方向的视差，简化了对应过程，如下图：

基于opencv大致实现过程：

双目左右图 -> 极线校正(校正后图像+映射矩阵Q) ->立体匹配获取视差图 -> 视差图+Q 计算左图对应的三维坐标

关于