基于视差空间采样的区域增长稠密立体匹配算法

针对目前双目视觉立体匹配算法计算量过大、实时性不强的问题, 提出了一种平行配置系统的快速立体匹配算法。利用两幅视图的差异将视图分为特征点和非特征点, 然后对特征点采用WTA (winner-take-all)方法进行匹配, 而对非特征点只进行简单的验证, 最后得出致密的视差图。该算法利用视差的分段连续性, 大大减少了运算量。实验结果表明, 该算法提取的特征点集中于视差不连续区, 与目前其它基于区域的匹配算法相比, 该算法得到的误匹配像素百分比与其它算法相当, 而计算速度却提高了一个数量级, 并且边缘特征较好, 是一种有效可行的高实时性立体匹配算法。

对于基于深度学习的立体匹配而言,模型的网络结构对算法精度的影响很大,而算法运行效率也是实际应用中需要考虑的重要因素。提出一种在视差维度上使用稀疏损失体进行立体匹配的方法。采用宽步长平移右视角特征图构建稀疏的三维损失体,使三维卷积模块所需的显存和计算资源均降低数倍。采用多类别输出的方式对匹配损失在视差维度上进行非线性上采样,并结合两种损失函数训练模型,在保证运行效率的同时提高算法精度。在KITTI测试集上,与基准算法相比,所提算法不仅提高了精度,而且运行时间缩短了约40%。

立体匹配一直是计算机视觉领域的一个中心研究问题. 首先综合介绍了立体匹配算法的研究概况,论述了 双目立体匹配算法中各种约束的核心概念和适用范围;然后重点归纳分析了立体匹配算法的分类及其发展过程中的 各种演化算法,对其关键技术进行了剖析和比较,并总结了目前存在的主要难题和可能的解决途径;最后对该领域存 在的问题和技术发展趋势进行了分析和讨论.

基于最小生成树的立体匹配算法，vs

双目立体匹配算法的研究与进展 双目立体匹配算法的研究与进展双目立体匹配算法的研究与进展双目立体匹配算法的研究与进展

双目立体匹配算法的学习代码，可以直接执行，可用于初学者学习其思想。

3D双目立体重建基于立体视觉测量是目前效果最好的算法

杨庆雄 立体匹配算法 A Non-Local Cost Aggregation Method for Stereo Matching论文源代码 c++ vs2019 可直接运行无需配置

【OpenCV】立体匹配算法 StereoSGBM源码参考，有兴趣的童鞋可以研究下。