OpenCV開發之五 立體匹配

2021-08-08 04:25:06 字數 2016 閱讀 3657

方法一：

關鍵看匹配函式，不同版本對應的函式可能發生變化：

#include "cv.h"


#include "cvaux.h"


#include "cxcore.h"


#include "highgui.h"


//reference: opencv1.1 cvref.htm


//by gong peiliang in sia, cas;


//11-11 2017


int main( int argc, char** argv)

方法二： 

//立體匹配


mat left_disp_;


mat left_vdisp;


mat right_disp_;


left_disp_ = mat::zeros(srcimage1.rows, srcimage1.cols, cv_32f);


right_disp_ = mat::zeros(srcimage1.rows, srcimage1.cols, cv_32f);


left_vdisp = mat::zeros(srcimage1.rows, srcimage1.cols, cv_8u);


// 方法二


cvstereobmstate *bmstate = cvcreatestereobmstate();


int sadwindowsize = 15;


bmstate->sadwindowsize = sadwindowsize > 0 ? sadwindowsize : 9;


bmstate->mindisparity = 0;


bmstate->numberofdisparities = 32;


bmstate->texturethreshold = 10;


bmstate->uniquenessratio = 15;


bmstate->specklewindowsize = 100;


bmstate->specklerange = 32;


bmstate->disp12maxdiff = 1;
// 匹配


cvfindstereocorrespondencebm(&(iplimage)srcimage1, &(iplimage)srcimage2, &(iplimage)left_disp_, bmstate);


cvnormalize(&(iplimage)left_disp_, &(iplimage)left_vdisp, 0, 255, cv_minmax);

方法三： 

// 方法三


cv::stereosgbm sgbm;


sgbm.prefiltercap = 63;


int sadwindowsize = 11;


int cn = 1;


sgbm.sadwindowsize = sadwindowsize > 0 ? sadwindowsize : 3;


sgbm.p1 = 4 * cn*sgbm.sadwindowsize*sgbm.sadwindowsize;


sgbm.p2 = 32 * cn*sgbm.sadwindowsize*sgbm.sadwindowsize;


sgbm.mindisparity = 0;


sgbm.numberofdisparities = 32;


sgbm.uniquenessratio = 10;


sgbm.specklewindowsize = 100;


sgbm.specklerange = 32;


sgbm.disp12maxdiff = 1;


// 匹配


sgbm(srcimage1, srcimage2, left_disp_);


sgbm(srcimage2, srcimage1, right_disp_);

經測試，三種方法在時間上和匹配效果上進行對比。

立體匹配 立體匹配過程

立體匹配就4個步驟 匹配代價計算，代價聚合，計算視差，視差精化 匹配代價計算 一般是通過計算左右兩圖對應畫素3個通道的灰度值差來決定匹配代價的，常用的就是基於畫素點匹配代價計算，一般有ad，sd，tad什麼的，基於區域的匹配代價計算一般有sad，ssd，stad之類的。匹配代價計算會生成乙個disp...

雙目立體匹配

公式 其中資料項描述了匹配程度，平滑項體現了定義場景的約束，c是匹配代價 或稱penalty p是不同兩畫素p和q視差的函式，一般稱之為平滑項 考慮到能量優化問題在一維空間的複雜度是多項式級的，因此一些研究試圖做一些近似來降低演算法的複雜度。例如，半全域性演算法 sgm 就利用了這一特性將二維問題簡...

立體匹配演算法實現之 AdaptWeight

我的主要研究方向是立體匹配 stereo matching 是計算機視覺 computer vision 下的乙個研究熱點。研究匹配有一年多了，對這方面 特別是區域性演算法 比較了解，以後會陸續發布我已經實現的經典演算法以及我自己設計的演算法。深知在孤立無援時乙個人探索有多麼困苦，網路之大，說不定就...