【双目视觉】立体匹配算法原理之“代价函数”

【双目视觉】立体匹配算法原理之“代价函数”
文章目录
- 立体匹配流程
  定义
  常见的代价函数
  1.AD/BT
  2.AD+Gradient
  3.Census
  4.SAD/SSD
  5.NCC
  6.AD+Census
  7.CNN
🔥预备知识：【双目视觉】理想条件下计算物体距离_什么都只会一点的博客-CSDN博客

 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

$C_{A D}(x, y, d)=|I_{L}(x, y)-I_{R}(x-d, y)$

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 $Z=\frac{f T}{x^{l}-x^{r}}$ 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

$\tau_{c o l}$ ：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

$\begin{matrix} C_{A D} (p, d) = \frac{\sum_{i = R, G, B} | I_{i}^{l e f t} (p) - I_{i}^{right} (p - (d, 0)) |}{3} \\ C_{I} (p, d) = 1 - \exp (- \frac{C_{A D} (p, d)}{λ_{A D}}) + 1 - \exp (- \frac{C_{census} (p, d)}{λ_{Census}}) \end{matrix}$
CAD(p,d)=3∑i=R,G,B∣Iileft(p)−Iiright (p−(d,0))∣CI(p,d)=1−exp(−λADCAD(p,d))+1−exp(−λCensus Ccensus (p,d))
效果

 7.CNN
相关阅读:
前端甘特图组件开发（一）
Windows环境部署Hadoop-3.3.2和Spark3.3.2
非侵入式负荷检测与分解：电力数据挖掘新视角
 Pytorch+cpp_cuda extension 课程一
 java毕业设计《EE开发技术》课程学习网站Mybatis+系统+数据库+调试部署
 泛型和包装类
 23年下半年软考中级软件设计师备考攻略（含报名时间）
vc++ mfc 操作注册表
 qt触控板手势检测
 ToDoList全局事件总线学习笔记
原文地址：https://blog.csdn.net/henghuizan2771/article/details/126250239

【双目视觉】 立体匹配算法原理之“代价函数”

文章目录

立体匹配流程

定义

常见的代价函数

1.AD/BT

2.AD+Gradient

3.Census

4.SAD/SSD

5.NCC

6.AD+Census

7.CNN