opencv sgbm
立體匹配(stereo matching)：目標是從不同視點影象中找到匹配的對應點,計算機視覺中的重要又困難的問題
深度計算
視差視差圖
拖尾效應
亞畫素化
kitti
代價計算
互資訊影象的概率分布p是什麼意思？答案一句話，影象的灰度直方圖
影象的灰度值是0~255，每個灰度值對應的畫素個數除以影象畫素個數就是該灰度值對應的概率，
單幅影象的概率密度是一維的，那麼自然地，兩幅影象的聯合概率密度就是二維的，
它的定義域取值就是（0，0）~（255，255）
立體匹配是一種從平面影象中恢復深度資訊的技術，通過匹配兩幅或者多幅影象來
區域性匹配演算法 全域性匹配演算法(圖割演算法)
所謂半全域性指的是演算法既沒有只考慮畫素的區域性區域，也沒有考慮所有的畫素點。
能量函式 資料項和平滑項
視差值動態規劃優化演算法是常用的求解能量最小化的方法。
sgm是立體匹配逐漸取代雷射雷達生成視差圖的技術關鍵，同時也是商業軟體中應用最多的立體匹配演算法。
sgm是立體匹配逐漸取代雷射雷達生成視差圖的技術關鍵，同時也是商業軟體中應用最多的立體匹配演算法。
演算法流程
sobel演算法
sobel運算元是一種常用的邊緣檢測運算元，是一階的梯度演算法，特殊卷積核卷積+類似relu函式
sad演算法 sum of absolute differences
此種方法就是以左目影象的源匹配點為中心，定義乙個視窗d，其大小為（2m+1） (2n+1)，
統計其視窗的灰度值的和，然後在右目影象中遍歷選擇某個點求移動視窗灰度值的和，逐步計算其左右視窗的灰度和的差值，最後搜尋到的差值最小的區域的中心畫素即為匹配點。
運算元使用兩個3*3的矩陣運算元分別和原始作卷積，分別得到橫向gx和縱向ｇy的梯度值，如果梯度值大於某乙個閾值，則認為該點為邊緣點
預處理：
1.運算元。 水平sobel運算元 sobel(x,y)=2[p(x+1,y)-p(x-1,y)]+ p(x+1,y-1)-p(x-1,y-1)+ p(x+1,y+1)-p(x-1,y+1)
2.對映。 經過水平sobel運算元處理後的影象上每個畫素點（p表示其畫素值）對映成乙個新的影象
代價計算
1.sad視窗 原影象經過基於取樣的方法
動態規劃：
後處理：
引數的含義
數值選取
[1] opencvsgbm半全域性立體匹配演算法的研究
[2] 視覺影象：sobel運算元及其實現
[3] stereo processing by semi-global matching and mutual information
[4] depth discontinuities by pixel-to-pixel stereo
[5] 手機能作為機械人進入家庭的切入點
[6] opencv3.0立體匹配演算法對比研究（sgbm、bm、gc）含示例**
演算法部分整理
1.pca主成分分析 主成分分析 principal component analysis，pca 是一種統計方法。通過正交變換將一組可能存在相關性的變數轉換為一組線性不相關的變數，轉換後的這組變數叫主成分。無監督的學習，往特徵量最大的特徵向量的分銷商投影 pca的主要問題 沒有考慮類別號 進行主成...
排序演算法（部分）
快速排序會犧牲陣列中的乙個資料，所以實際的陣列長度，會比真實的資料多一，其中會將下面所說的標誌位賦值給arr 0 以犧牲陣列中arr 0 為例 快速排序主要思想 在陣列角標從left到right之間，取左邊第乙個數作為標誌位,將標誌位賦值給arr 0 然後分兩步迴圈判斷 這兩步順序不能混亂 1.從右...
《演算法之道》精華 經典演算法部分
折半插入排序 歸併排序 快排 任何基於比較的排序，決策樹高度至少為nlog n 計數排序 基數排序 桶排序 快速次序選擇 求第k大的數 線性最差快速次序選擇 折半搜尋 常數搜尋 雜湊搜尋 乘法雜湊 開放定址雜湊 雜湊碰撞時縱深擴充套件，新增乙個鍊錶 封閉定址雜湊 雜湊碰撞時為元素找到另乙個位置 非線...