局部匹配算法：BM

一、原理
就是最基本的滑动窗口。BM的匹配方法是通过计算SAD（绝对差之和），即两个匹配块的像素相减取绝对值，再把匹配窗口中所有值加起来，这个值越小就代表匹配度越高。
二、API
可以通过StereoBM::create 来创建BM算法

Ptr<StereoBM> bm = StereoBM::create(
	int minDisparity = 0, 
	int numDisparities = 16, 
	int blockSize = 3,
	int P1 = 0, int P2 = 0, 
	int disp12MaxDiff = 0,
	int preFilterCap = 0, 
	int uniquenessRatio = 0,
	int speckleWindowSize = 0, 
	int speckleRange = 0,
	int mode = StereoSGBM::MODE_SGBM
);

也可以create之后再设置参数

bm->setBlockSize(2 * blockSize + 5);     //SAD窗口大小，5~21之间为宜
	bm->setROI1(validROIL);
	bm->setROI2(validROIR);
	bm->setPreFilterCap(31);
	bm->setMinDisparity(0);  //最小视差，默认值为0, 可以是负值，int型
	//视差窗口，即最大视差值与最小视差值之差,窗口大小必须是16的整数倍，int型
	bm->setNumDisparities(numDisparities * 16 + 16);
	bm->setTextureThreshold(10);
	//uniquenessRatio主要可以防止误匹配
	bm->setUniquenessRatio(uniquenessRatio);
	bm->setSpeckleWindowSize(100);
	bm->setSpeckleRange(32);
	bm->setDisp12MaxDiff(-1);
	//输入图像必须为灰度图
	bm->compute(rectifyImageL, rectifyImageR, disp);

其中的参数意义如下：
参考链接：

https://blog.csdn.net/weixin_36135696/article/details/105576877?ops_request_misc=&request_id=&biz_id=102&utm_term=%E7%AB%8B%E4%BD%93%E5%8C%B9%E9%85%8Dbm%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-0-105576877.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187

setROI1、setROI2： 图像校正后一般会对图像进行裁剪，这个是用来设置裁剪之后的区域。
setFilterType：预处理滤波器的类型。用于消除噪声、降低亮度失真、增强纹理。
preFilterSize：预处理滤波器的窗口大小。一般为5~21
preFilterCap：预处理滤波器的截断值，预处理的输出值仅保留[-preFilterCap, preFilterCap]之间。参数范围是1-63，int型
SADwindowSize：SAD窗口大小，允许范围[5,255]必须是奇数
minDisparity：最小视差，默认为0
numDIsparities：视差窗口，即最大视差值与最小视差值之差，窗口大小必须是16的整倍数，int型
textureThresshold：低纹理区域判定阈值，如果当前SAD窗口内所有邻居像素点的x导数绝对值小于指定阈值，则该窗口对应的像素点视差值为0
uniquenessRatio：视差唯一性百分比，视差窗口范围内最低代价是次低代价的（1+uniquenessRatio/100）倍时，最低代价对应的视差值是该像素点的视差，否则该像素点视差为0
//视差窗口，即最大视差值与最小视差值之差,窗口大小必须是16的整数倍，int型
speckleWindowSize：检查视差连通区域变化的窗口大小，值为0时取消speckle检查，int型
speckleRange：视差变化阈值，当窗口呢视差变化大于阈值时，该窗口内的视差清零，int型
Disp12MaxDiff：左右一致性检测最大容许误差阈值。