利用python实现SGBM算法，实现对视频的读取显示，计算左右视差图，将其播放出来

视差

在本文中，我们提出了一种视差鲁棒的六面体全景视频拼接方法。 提出了一种有效的三阶段缝合程序。 在预处理阶段，分层的特征点匹配。策略提取位于不同深度层的特征匹配。 在粗对准阶段，基于特征匹配的第一层，通过考虑所有摄像机之间的约束以避免累积误差，全局投影投影变形估计并调整摄像机参数。 使用相机参数，图像像素可以粗略地映射到球形表面上。 在精确的对齐阶段，基于多层特征匹配，分层的内容保留变形将进一步对齐来自多个深度层的丰富特征对，以减轻大视差引起的重影。 实验结果表明，我们的方法可以有效地拼接全景视频，而不会出现明显的视差错误。

为快速而准确地得到稠密视差图,提出了一种基于限制搜索空间的动态规划立体匹配算法。该算法以动态规划立体匹配方法为基础,通过初始匹配序列限制搜索空间以减少搜索变量个数。同时,提出一种基于自适应权重的多窗口累积策略来提高匹配精度,并在平滑性限制中引入亮度梯度以避免在物体边界的视差不连续处产生过度惩罚。实验结果表明,该匹配算法在匹配速度和匹配精度上都有很大的提高,是一种简单有效的立体匹配算法。

为了提高立体匹配效率和获得高精度的亚像素级视差,该文提出一种快速的小基高比立体匹配方法。该方法首先利用积分图像加速自适应窗口和规范互相关度量的计算,然后根据可靠性约束进一步拒绝错误匹配,再采用基于迭代二倍重采样的亚像素级匹配方法为可信点计算亚像素级视差,最后利用基于图分割的视差平面拟合方法获得稠密的亚像素级视差图。实验结果表明该方法不但可获得高精度的亚像素级视差而且还提高了算法的匹配效率,满足了小基高比立体重建的需求。

为实现自然的三维光显示, 需按照真实物体的呈现方式, 且同时保证双目视差和平滑的运动视差。回顾国内外三维光显示的研究现状, 重点介绍北京邮电大学在密集视点显示、集成成像显示、光场显示和全息显示方面的研究进展, 认为全视差光场显示和全息显示是未来三维光显示发展的方向。

经典立体匹配算法SemiGlobalMatching(SGM)源码，可直接运行，对代码有任何问题，和博主直接交流。

经典立体匹配算法PatchMatchStereo源码，可直接运行。对代码有任何问题，可以直接和博主交流。

视差图是以图像对中任一幅图像为基准，其大小为该基准图像的大小，元素值为视差值的图像。由于视差图包含了场景的距离信息，因此从立体图像对中提取视差图的图像匹配，一直是双目视觉研究中最为活跃的领域

最近研究立体图像的随机点立体图生成算法，好不容易搜索到了一些随机点立体图的pdf资料，很受益，与相关朋友共享。