双目立体匹配一直是双目视觉的研究热点，双目相机拍摄同一场景的左、右两幅视点图像，运用立体匹配匹配算法获取视差图，进而获取深度图。而深度图的应用范围非常广泛，由于其能够记录场景中物体距离摄像机的距离，可以用以测量、三维重建、以及虚拟视点的合成等。 　　之前有两篇博客简要讲过OpenCV3.4中 ...

以OpenCV自带的Aloe图像对为例： 1.BM算法（Block Matching） 参数设置如下： 效果如下： BM算法得到的视差图（左），空洞填充后得到的视差图 ...

　　上一篇博客中介绍了从拍摄图像到获取视差图以及深度图的过程，现在开始介绍利用视差图或者深度图进行虚拟视点的合成。虚拟视点合成是指利用已知的参考相机拍摄的图像合成出参考相机之间的虚拟相机位置拍摄的图像 ...

图像的Census变换 Census变换属于非参数图像变换的一种，它能够较好地检测出图像中的局部结构特征，如边缘、角点特征等。传统Census变换的基本思想是：在图像区域定义一个矩形窗口，用这个矩形 ...

　　归一化相关性，normalization cross-correlation，因此简称NCC，下文中笔者将用NCC来代替这冗长的名称。 　　NCC，顾名思义，就是用于归一化待匹配目标之间的相关程 ...

—— 一篇曾经在middlebury上达到SoT的论文，代价聚合用的guided filter，逻辑清晰，性能不够快，但paper从更高的角度来看计算机视觉中的立体匹配、光流以及图像分割，值得一读 嗯，读完了，有种任督二脉被打通的感觉，把这两年多接触到的词，陌生的，熟悉的，全都连起来了 前言 ...

—— patch match应用到立体匹配的一篇论文，晦涩难懂，硬是硬着头皮看了几遍 NOTE 随机搜索的最优平面和视差的关系？ “estimate an individual 3D plane at each pixel”是对每一个窗口的中心点都找一个最优平面？ 随机 ...

——同事推荐的一篇paper，想把它和SGBM opencv源码学习笔记写在一起，是因为感觉pipeline真的很像，可能他们都用了scanline optimization的原因吧 : ) 前言 ...