立体匹配综述阅读心得之Classification and evaluation of cost aggregation methods for stereo correspondence

学习笔记之基于代价聚合算法的分类 ，主要针对cost aggregration分类，2008 CVPR

1. Introduction

经典的全局算法有：

BP[31]

DP[28]

SO[20]

       本文主要内容有：从精度的角度对比各个算法，主要基于文献【23】给出的评估方法，同时也在计算复杂度上进行了比较，最后综合这两方面提出一个trade-off的比较。

2 Classification of cost aggregation strategies 

主要分为两种：

1)The former generalizes the concept of variable support  by allowing the support to have any shape instead of  being built upon rectangular windows only.

2) The latter assigns  adaptive - rather than fixed - weights to the points  belonging to the support.

大部分的代价聚合都是采用symmetric方案，也就是综合两幅图的信息。（实际上在后面的博客中也可以发现，不一定要采用symmetric的形式，而可以采用asymmetric+TAC的形式，效果反而更好）。

采用的匹配函数为（matching (or error) function ）：Lp distance between two vectors

包括 SAD、 Truncated SAD [30,25]、 SSD、 M-estimator [12]、 similarity  function based on point distinctiveness[32]

最后要指出的是，本文基于平行平面（fronto-parallel）support。

2.1 基于矩形窗的代价聚合（Cost aggregation based on rectangular windows）

Let Ir and It be respectively the reference and target image  of a rectified stereo pair.

2.1.1 varying window size and/or offset

1) shiftable windows [23]

窗定义为：

n：窗size

在depth borders 边界处有效

变形：【4,10】只选9个窗

2