動態規劃：
1.傳統的動態規劃
cox, ingemar j., sunita l. hingorani, satish b. rao, and bruce m. maggs. 「a maximum likelihood stereo algorithm.」 computer vision and image understanding 63, no. 3 (1996): 542-567.1.建立左右圖的行對應關係表[col*col],以遮擋懲罰係數，初始化第一行第一列。
2.從第二行第二列作為第乙個元素開始，計算匹配代價，匹配代價更新公式如下：
temp =
(i_1
(row,i)
-i_2
(row,j))^
2;min1 =
c(i-
1,j-1)
+temp;
min2 =
c(i-
1,j)
+occ;
min3 =
c(i,j-1)
+occ;
cmin =
min(
[min1,min2,min3]
);
3.得出視差值
switch
m(i,j)
case
1displeft
(row,i)
=abs
(i-j)
;% disparity image in left image coordinates
dispright
(row,j)
=abs
(j-i)
;% disparity image in right image coordinates
i = i-1;
j = j-1;
case
2displeft
(row,i)
= nan;
i = i-1;
case
3dispright
(row,j)
= nan;
j = j-
1;
2.sgm半全域性演算法
stereo processing by semiglobal matching and mutual information[j]. ieee transactions on pattern analysis & machine intelligence, 2008.經典的半全域性演算法，其可以理解為多個單一方向的動態規劃，其詳細理解，上大佬的文章：
經典演算法semi-global matching（sgm）之碉堡的動態規劃~
經典演算法semi-global matching（sgm）之神奇的hmi代價計算~
圖割法：
圖割法調研下來，發現其主要是對影象中關心的區域進行立體匹配，比如人物虛化之類的應用，其會對影象進行預處理，用過標記前景和背景不同的顏色，分離出前景，只針對前景物體進行匹配。這種應用在前景和背景差異較大的情況下比較好。
基於graphcuts圖割演算法的影象分割
置信度傳播：
**置信度傳播演算法（belief-propagation）在立體匹配中的應用~
隨機遊走：
一些典型的立體匹配演算法總結：
幾種典型的立體匹配演算法
cross-scale cost aggregation for stereo matching立體匹配演算法介紹
立體匹配 立體匹配過程
立體匹配就4個步驟 匹配代價計算，代價聚合，計算視差，視差精化 匹配代價計算 一般是通過計算左右兩圖對應畫素3個通道的灰度值差來決定匹配代價的，常用的就是基於畫素點匹配代價計算，一般有ad，sd，tad什麼的，基於區域的匹配代價計算一般有sad，ssd，stad之類的。匹配代價計算會生成乙個disp...
立體匹配演算法 RankTransform
1.基本介紹 立體匹配演算法，關鍵是計算左右圖對應點的匹配代價。但是基於畫素的匹配方法有乙個問題就是對於重複紋理區域，支援視窗選取太小則不利於獲取準確的匹配代價，視窗選取過大則計算複雜度過高。對於這種情況，我們應該適當的考慮支援視窗的結構資訊，但是結構資訊如何表示，怎樣定量計算，這裡就要用到標題中提...
立體匹配演算法 RankTransform
1.基本介紹 立體匹配演算法，關鍵是計算左右圖對應點的匹配代價。但是基於畫素的匹配方法有乙個問題就是對於重複紋理區域，支援視窗選取太小則不利於獲取準確的匹配代價，視窗選取過大則計算複雜度過高。對於這種情況，我們應該適當的考慮支援視窗的結構資訊，但是結構資訊如何表示，怎樣定量計算，這裡就要用到標題中提...