超级会员免费看
立体成像中的立体匹配算法详解
1. 立体匹配基础
立体匹配指的是在两个不同相机视图中匹配三维点，此操作只能在两个相机视图重叠的视觉区域进行。若要获得更好的结果，应尽量让相机接近正前平行排列。当知晓相机的物理坐标或场景中物体的尺寸时，可依据三角测量的视差测量值 (d = x_l - x_r)（若主光线在有限距离相交，则为 (d = x_l - x_r - (cx_{left} - cx_{right}))）来推导深度测量值。若缺乏这些物理信息，只能计算出比例因子的深度。若没有相机内参，如使用 Hartley 算法时，只能计算出经过投影变换后的点位置。
OpenCV 实现了两种不同的立体匹配算法，分别是块匹配（BM）算法和半全局块匹配（SGBM）算法。这两种算法的基本功能都是将左右两幅图像转换为单幅深度图像，深度图像会为每个像素关联相机到该像素所代表物体的距离。以下是这两种算法的对比：
|算法名称|特点|速度|可靠性和准确性|
| ---- | ---- | ---- | ---- |
|块匹配（BM）算法|使用小的“绝对差之和”（SAD）窗口在左右立体校正图像中寻找匹配点，仅能找到两幅图像中强匹配（高纹理）的点|较快|相对较低|
|半全局块匹配（SGBM）算法|匹配在亚像素级别进行，使用 Birchfield - Tomasi 度量；尝试对计算出的深度信息施加全局平滑约束|较慢|较高|
2. 块匹配（BM）算法
2.1 算法步骤
块匹配立体对应算法作用于无畸变、校正后的立体图像对，包含以下三个阶段：
1. 预滤波 ：对输入图像进行归一化处理，以减少
订阅专栏 解锁全文
扫一扫
4785
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
