[AI专栏】站长自己整理的超详细的双目立体视觉+立体匹配论文集。（各位群里的小伙伴反映需要，就上传上来啦！

在VS上实现的立体匹配NCC算法，用C++编写。很适合初学者学习，注意配置opencv

很好的区域线性生长立体匹配算法，绝对可用

首先，针对自动泊车环境下可能出现的低光照或明暗交替等复杂场景这一问 题，本文在 vSLAM 系统中设计了处理复杂场景的功能。本文基于 Retinex 理论 模型，从物体成像的原理上分析，利用 LIME 算法来解决这个问题，并且结合自 动泊车场景来设计算法中的权重系数，对算法的时间复杂度进行加速优化。而后 针对一些低光照的图片进行了优化处理来验证 LIME 算法的可行性。 其次，针对 vSLAM 常见的问题，即在跟踪时容易丢失目标、出现尺度漂移 等问题，进行了分析与研究。提出了使用预测模型的方式来减少跟踪失败概率的 方法，提出了适合泊车环境的关键帧筛选策略，针对立体匹配模块，先根据多方 面误差来选择质量较好的点，再用由粗到精最后计算图像的相关性的方法来进行 匹配并更新地图上像素点的逆深度，并在地图优化模块中通过双向 Sim3 检测进 行误差分析解决尺度漂移的问题。 最后，基于大众速腾以及深圳锐尔威视科技有限公司所研发的型号为 RER_USB1080P01-LS43 的相机搭载了实验平台，傍晚时分在吉林大学南岭校区 汽车工程学院周围采集多个停车场数据，验证了在低光照的自动泊车环境下基于 LIME 算法进行 vSLAM 的可行性，并且实验表明在泊车环境下本文算法要优于 传统算法。

为提高立体匹配算法的效果和稳定性, 提出了一种基于色调(H)、饱和度(S)和明度(V)颜色空间的自适应聚合区域的引导滤波算法。结合图片的结构和纹理信息, 通过颜色和横向梯度的相互作用计算初始匹配代价。在HSV颜色空间中运用颜色和距离信息计算每一点的自适应支撑臂长, 解决了图片中红、绿、蓝3种颜色变化趋势相近导致无法有效反映图片信息的问题。自适应聚合区域利用中心点纵向臂上各点的横向臂进行构造, 采用引导滤波的方法在自适应聚合区域内聚合代价空间。为避免中心点邻域信息波动造成支撑窗口过小的问题, 设置了臂长的最小范围。后处理过程采用左右一致性检测结合峰比率检测的方法寻找误匹配点, 通过近邻点匹配和加权中值滤波的方法修正视差图。采用Middlebury平台上的标准图片进行实验, 结果表明所提算法的平均匹配误差为5.24%, 比改进前的自适应窗口算法的匹配误差降低了0.92%, 具有更好的边缘保持效果, 算法参数稳健性较好。

基于动态规划的立体匹配代码-使用MATLAB实现。此代码已经将各个参数调试完毕，下载后可直接运行。在学习的道路上希望大家相互帮助。。。这是第一次上传代码，若大家喜欢的话在后期还会继续上传一些立体匹配的源代码，供大家学习与参考。

adcensus立体匹配代码，windows和linux都可，看readme里看怎么编译。没有用cuda，就是用了cpu并行，没找到用cuda的代码

双目立体匹配测试数据集Middlebury Stereo Datasets，包含Middlebury Stereo官网上面的2014的数据集，分享给大家。

双目立体匹配图片集，很多经典图片对，大多经典论文中都有用到，做立体匹配的朋友可以下载。 双目立体匹配图片集，很多经典图片对，大多经典论文中都有用到，做立体匹配的朋友可以下载。

含有用于双目视觉测量立体匹配的标准图及其视差图tuskuba