有趣的网站名称网站排名查询平台
原理解释
目前立体匹配算法是计算机视觉中的一个难点和热点，算法很多，但是一般的步骤是：
A、匹配代价计算
匹配代价计算是整个立体匹配算法的基础，实际是对不同视差下进行灰度相似性测量。常见的方法有灰度差的平方SD（squared intensity differences），灰度差的绝对值AD（absolute intensity differences）等。另外，在求原始匹配代价时可以设定一个上限值，来减弱叠加过程中的误匹配的影响。以AD法求匹配代价为例，可用下式进行计算，其中T为设定的阈值。
这就是在参数设置中阈值的作用，在视差图中经常有黑色区域，就是和阈值的设置关。
B、 匹配代价叠加
一般来说，全局算法基于原始匹配代价进行后续算法计算。而区域算法则需要通过窗口叠加来增强匹配代价的可靠性，根据原始匹配代价不同，可分为：
此图是核心算法的解释，就是计算区域内像素差值，可以为单个像素也可以为一定区域内，主要看SAD的窗口大小的设置，同时SAD设置决定误匹配的多少和运算效率问题，所以大小设置一定要很慎重。
C、 视差获取
对于区域算法来说，在完成匹配代价的叠加以后，视差的获取就很容易了，只需在一定范围内选取叠加匹配代价最优的点（SAD和SSD取最小值，NCC取最大值）作为对应匹配点，如胜者为王算法WTA（Winner-take-all）。而全局算法则直接对原始匹配代价进行处理，一般会先给出一个能量评价函数，然后通过不同的优化算法来求得能量的最小值，同时每个点的视差值也就计算出来了。
D、视差细化（亚像素级）
大多数立体匹配算法计算出来的视差都是一些离散的特定整数值，可满足一般应用的精度要求。但在一些精度要求比较高的场合，如精确的三维重构中，就需要在初始视差获取后采用一些措施对视差进行细化，如匹配代价的曲线拟合、图像滤波、图像分割等。
亚像素级的处理就是涉及到BMState参数设置后后续参数的设置了。
有关立体匹配的介绍和常见匹配算法的比较，推荐大家看看Stefano Mattoccia 的讲义 Stereo Vision: algorithms and applications，190页的ppt，讲解得非常形象详尽。
预处理滤波参数
/*匹配图像预处理*/
setPreFilterType(cv::StereoBM::PREFILTER_XSOBEL);
预处理滤波器类型，有两种可选类型:PREFILTER_NORMALIZED_RESPONSE（归一化响应） 或者 PREFILTER_XSOBEL （水平方向Sobel算子，默认类型）
setPreFilterCap (int preFilterCap)
预处理滤波器的截断值，预处理的输出值仅保留[-preFilterCap, preFilterCap]范围内的值，参数范围：1 - 31（文档中是31，但代码中是 63）, int
setPreFilterSize (int preFilterSize)
预处理滤波器窗口大小，容许范围是[5,255]，一般应该在 5x5..21x21 之间，参数必须为奇数值
SAD 参数
setBlockSize(int blockSize);//SAD窗口大小
块大小，应为奇数，取值【3，11】比较合适，较大的块大小意味着更平滑但不太准确的视差图。 较小的块大小提供了更详细的视差图，但算法发现错误对应关系的机会更高。
SAD窗口大小，容许范围是[5,255]，一般应该在 5x5 至 21x21 之间，参数必须是奇数，int 型
setMinDisparity(int minDisparity);
最小视差，默认值为 0, 可以是负值，int 型
setNumDisparities(nmDisparities); //视差搜索范围
视差窗口，即最大视差值与最小视差值之差, 窗口大小必须是 16 的整数倍，int 型
搜索视差时的范围【MinDisparity，MinDisparity+numOfDisparities】，必须为16的整数倍
后处理参数
在算出初始视差图后会进行视差图后处理，包括中值滤波，连通域检测等。中值滤波能够有效去除视差图中孤立的噪点，而连通域检测能够检测出视差图中因噪声引起小团块(blob)。判断当前像素点四邻域的邻域点与当前像素点的差值diff，如果diff<speckRange，则表示该邻域点与当前像素点是一个连通域并设置一个标记。然后再以该邻域点为中心判断其四邻域点，步骤同上。直至某一像素点四邻域的点均不满足条件，则停止。然后判断被标记的像素点个数count，如果像素点count<=speckleWindowSize，则说明该连通域是一个小团块(blob)，因此将当前像素点值设置为newValue（表示错误的视差值，newValue一般设置为负数或者0值）。否则，表示该连通域是个大团块，不做处理。所有像素点处理后，满足条件的区域会被设置为newValue值，后续可以用空洞填充等方法重新估计其视差值。
setDisp12MaxDiff (int disp12MaxDiff)
//左视差图（直接计算得出）和右视差图（通过cvValidateDisparity计算得出）之间的最大容许差异。超过该阈值的视差值将被清零。该参数默认为 -1，即不执行左右视差检查。
setUniquenessRatio (int uniquenessRatio)
视差唯一性百分比， 视差窗口范围内最低代价是次低代价的(1 + uniquenessRatio/100)倍时，最低代价对应的视差值才是该像素点的视差，否则该像素点的视差为 0 （the minimum margin in percents between the best (minimum) cost function value and the second best value to accept the computed disparity, that is, accept the computed disparity d^ only if SAD(d) >= SAD(d^) x (1 + uniquenessRatio/100.) for any d != d*+/-1 within the search range ），该参数不能为负值，一般5-15左右的值比较合适，int 型
setSpeckleRange (int speckleRange)
speckleRange：视差变化阈值，当窗口内视差变化大于阈值时，该窗口内的视差清零，int 型
在sgbm的官方参数介绍中说该值会被乘以16，设置为1或2比较合适，bm应该是没有乘以16
setTextureThreshold (int textureThreshold)
低纹理区域的判断阈值，如果当前窗口内所有邻居像素点的x导数绝对值之和小于指定阈值，则该窗口对应的像素点的视差值为0（That is, if the sum of absolute values of x-derivatives computed over SADWindowSize by SADWindowSize pixel neighborhood is smaller than the parameter, no disparity is computed at the pixel），该参数不能为负值，int 型
setSpeckleWindowSize (int speckleWindowSize)
检查视差连通区域变化度的窗口大小, 值为 0 时取消 speckle 检查，int 型
检查视差连通区域变化度的窗口大小, 值为 0 时取消 speckle 检查，否则取【50，200】内的值比较合适
setROI1 (Rect roi1) setROI2 (Rect roi2)
roi1, roi2：左右视图的有效像素区域，一般由双目校正阶段的 cvStereoRectify 函数传递，也可以自行设定。一旦在状态参数中设定了 roi1 和 roi2，OpenCV 会通过cvGetValidDisparityROI 函数计算出视差图的有效区域，在有效区域外的视差值将被清零。
在上述参数中，对视差生成效果影响较大的主要参数是 SADWindowSize、numberOfDisparities 和 uniquenessRatio 三个，一般只需对这三个参数进行调整，其余参数按默认设置即可。
https://blog.csdn.net/chenyusiyuan/article/details/5967291
https://blog.csdn.net/CipherPolzz/article/details/122349550
https://blog.csdn.net/KinboSong/article/details/72918432
https://blog.csdn.net/ADDfish/article/details/110433598