【双目视觉】 立体匹配算法原理之“代价函数”

立体匹配流程

定义

代价函数用于计算左、右图中两个像素之间的匹配代价（cost）。cost越大，表示这两个像素为对应点的可能性越低

常见的代价函数

1.AD/BT

$$C_{AD}(x,y,d)=|I_L(x,y)-I_R(x-d,y)$$

左图任取一个像素点，减去 向右移动d个像素值的右图，求得代价函数C;我们的目的，就是寻找代价值C最小时，d的值，根据$Z=\frac{fT}{x^l-x^r}$求出距离

2.AD+Gradient

基于图像分割的立体匹配论文合集

rar 4星 超过75%的资源 15.87MB

下载

${\tau }_{col}$：截断阈值

$\alpha$：权重

${\tau }_{\text{grad }}$:截断阈值

AD+Gradient本质上跟AD相近，只不过是通过阈值去分配权重

3.Census

Census方法任取左图一个像素点P，观察周围3*3窗口的像素点灰度值，如果小于P就置1，否则为0，然后编码。右图也是如此。最后异或比较，根据异或后的结果，看‘1’的个数，计算汉明距离

4.SAD/SSD

5.NCC

1. 特性：对图像亮度的线性变化具有不变性
2. 物理意义: 两个向量的夹角的余弦值

6.AD+Census

因为AD代价函数容易实现，但是它容易受辐射差异的影响。 而在Census变换中，不要求像对之间的颜色一致性。因此，它对于辐射差异更加鲁棒
C A D ( p , d ) = ∑ i = R , G , B ∣ I i l e f t ( p ) − I i right  ( p − ( d , 0 ) ) ∣ 3 C I ( p , d ) = 1 − exp ⁡ ( − C A D ( p , d ) λ A D ) + 1 − exp ⁡ ( − C census  ( p , d ) λ Census  )

7.CNN