2.2.2 上一節中的**的具體實現
目前常用的立體匹配演算法有bm（blocking match塊匹配），sgbm（semi-global bm），gc（graph cut圖割）；傳統的立體匹配演算法中，全域性匹配演算法都無法滿足實時性的要求，因此此處只對bm和sgbm這種區域性匹配法進行分析和優化，gc是全域性匹配不做介紹。
bm演算法是一種基於sad窗的區域性匹配演算法，思想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+1x2n+1)，統計其視窗的灰度值的和，然後在右目影象中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。基於sad視窗的bm演算法的處理速度很快，理論上一副320x240的灰度圖匹配時間為30ms。實驗使用640x480的鏡頭，測算出平均耗時約為90ms。但是這種演算法只能用於處理簡單場景，對於稍微複雜的場景會存在邊緣匹配關鍵點缺失的資訊丟失問題，嚴重影響測距效能。
#include
#include
#include
using namespace std;
using namespace cv;
mat imagel, imager;
ptr bm = stereobm:
:create(32
,15);
intmain()
這裡給出opencv中stereobm演算法的原始碼的位置：d:\opencv\sources\modules\calib3d\src（依據個人安裝路徑查詢，**太多不便貼上展示）
bm演算法一共1278行，看起來蠻嚇人的，但是仔細一分析其實沒有多麼恐怖，演算法主要由以下部分組成：
定義結構體stereobmparams；
使用opencl和不適用opencl情況下prefilternorm函式的實現，這個函式的功能是對預處理；
使用opencl和不適用opencl情況下prefilterxsobel函式的實現，這個函式的功能是對預處理；
在cpu支援cv_sse2指令集優化的情況下，findstereocorrespondencebm_sse2的函式實現；
在cpu不支援cv_sse2指令集優化的情況下，findstereocorrespondencebm的函式實現；
構造迴圈體進行平行計算prefilterinvoker；
定義stereobm的子類stereobmimpl；
在子類stereobmimpl類裡實現所有需要呼叫的函式，如compute，setmindisparity，setprefiltercap等等。
首先建立乙個智慧型指標指向stereobm的bm物件，這裡呼叫了create函式，這個函式會呼叫下面的**：
ptr stereobm:
:create
(int _numdisparities,
int _sadwindowsize)
template
ptrmakeptr
(const a1& a1,
const a2& a2)
ptrbm指向stereobmimpl的指標；stereobmimpl是stereobm的子類，因此bm是父類指標指向了子類物件。
2. 讀取設定引數；
3. 呼叫compute函式：bm->compute(imagel, imager, disp);
函式定義為：void compute( inputarray leftarr, inputarray rightarr, outputarray disparr )，輸入的形參為左圖，右圖和用來儲存輸出的視差圖。
void
compute
(inputarray leftarr, inputarray rightarr, outputarray disparr)
mat disp = disp0;
//定義disp
if(dtype == cv_32f)
//此處型別為cv_16s，如果是32f則在此處更改為16s
int wsz = params.sadwindowsize;
//sad視窗大小
int bufsize0 =
(int)(
(ndisp +2)
*sizeof
(int))
; bufsize0 +=(
int)
((height + wsz +2)
*ndisp *
sizeof
(int))
; bufsize0 +=(
int)
((height + wsz +2)
*sizeof
(int))
; bufsize0 +=(
int)
((height + wsz +2)
*ndisp*
(wsz +2)
*sizeof
(uchar)
+256);
int bufsize1 =
(int)(
(width + params.prefiltersize +2)
*sizeof
(int)+
256)
;int bufsize2 =0;
if(params.specklerange >=
0&& params.specklewindowsize >0)
bufsize2 = width*height*
(sizeof
(point_<
short
>)+
sizeof
(int)+
sizeof
(uchar));
//to be continued
prefilteredimg0和prefilteredimg1；
width1用來表示最終生成的視差圖的有效寬度，因為左圖最左側的點在右圖中沒有對應點；故視差圖中沒有這一部分，這也解釋了之前我們的疑問，為什麼最終的視差圖左側有一條明顯的額黑色的資訊缺失；這是必然出現的，而且這一部分的寬度隨著視差視窗的大小變化，視差視窗越大，則黑帶越寬。
定義wsz為sad視窗大小；
雙目立體匹配演算法漫談
雙目立體匹配演算法是計算機視覺中比較經典的問題。有大量經典的雙目立體匹配演算法。本文簡要介紹一下雙目立體匹配的常用基本流程，也可以說是套路。第一次寫這麼長的博文，我想到 寫 更詳細內容的可見文章a taxonomy and evaluation of dense two frame stereo c...
halcon的雙目立體匹配及應用概述
對要求大測量範圍和較高測量精度的場合，採用基於雙攝像機的雙目立體視覺系統比較合適 對測量範圍要求比較小，對視覺系統體積和質量要求嚴格，需要高速度實時測量物件，基於光學成像的單攝像機雙目立體視覺系統便成為最佳選擇。基於雙攝像機的雙目立體視覺系統必須安裝在乙個穩定的平台上，在進行雙目視覺系統標定以及應用...
基於深度學習演算法和傳統立體匹配演算法的雙目立體視覺
人類通過眼睛感知世界 獲取資訊。人類獲取資訊的方式有很多種，可通過眼睛 耳朵 觸覺 嗅覺 味覺等，但我們接受到的絕大部分資訊都是通過視覺的方式獲取到的。由此可見，視覺系統在人類的生存 生產 發展中起到了極其重要的作用。隨著計算機技術 智慧型機械人等的廣泛研究與應用，不少科學家嘗試將人類視覺系統功能賦...