一文读懂经典双目稠密匹配算法SGM

主要观点总结

本文主要介绍了SGM算法在双目稠密匹配中的应用，包括其基础概念、中心思想、计算步骤以及优化处理等内容。

关键观点总结

关键观点1: SGM算法概述

SGM是一种双目稠密匹配的算法，主要用于生成视差图，通过互信息（MI）进行像素级别的匹配，并结合多个一维平滑约束进行全局优化。

关键观点2: 基础概念

双目图像稠密匹配的4个基本步骤为：Matching cost computation、Cost aggregation、Disparity computation和Disparity refinement。

关键观点3: 互信息（MI）在SGM中的应用

互信息用于计算像素之间的匹配代价，是SGM算法中重要的部分之一。

关键观点4: SGM算法的优化处理

SGM算法通过迭代和层次法计算视差图，并结合一维直方图和互信息计算匹配代价。在全局优化方面，采用动态规划解决NP完全问题，并利用多基线匹配提高精度。

关键观点5: 视差图的优化处理

对视差图进行优化处理是双目稠密匹配的重要步骤。通过移除极值、强度一致性视差检查和平面拟合等方法对视差图进行优化处理，提高深度计算的精度。

免责声明