本文介绍了OpenCV中的立体匹配算法，包括全局匹配与局部匹配的区别，特征提取与匹配的方法，以及BM、SGBM和GC算法的理论基础和应用场景。BM法源于区域匹配思想，SGBM和GC算法则有明确的论文依据。OpenCV3.2主要实现了StereoBM和StereoSGBM，GC算法可能因性能原因未包含。
最近总有一个困惑，论文或者说研究中的立体匹配算法和OpenCV中实现的立体匹配算法有什么对应关系，特别是经常看到资料中一谈到OpenCV立体匹配函数，就是BM、SGBM和GC成套的出现，那么这三个算法的理论来源是什么，它们三个是什么样的“江湖地位”，OpenCV还有没有实现其他算法没有被介绍，在这里，对这些问题做个小总结。遗漏的地方欢迎大家批评补充。
1.立体匹配算法分类：从算法本身的角度来说，立体匹配从大的方面分为两种，全局匹配和局部匹配。全局匹配比较经典的有动态规划、图割和置信度传播等，全局匹配算法优点是精度高，缺点是计算速度慢，实时性差；而局部匹配又分为基于区域的匹配，基于特征的匹配等。局部匹配优点是速度快，可以满足实时的要求，但是精度不如前者，基于区域的匹配精度尚可以接受，基于特征的匹配则只能得到稀疏的视差，需要靠插值完成视差图重建，如果要考察整个图的视差精度，则基于特征法不可靠。
2.OpenCV实现的算法：
2.1基于特征提
最低0.47元/天 解锁文章
3126
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
