计算机视觉----立体匹配

立体匹配核心步骤：

1.在两幅图像上找到对应点
2.通过三角化确定三维坐标

分为两部分：对应点匹配三种方法和利用匹配点获取深度信息（视差图）的原理解释

一、如何在两张图片找到对应点？（有了极线约束，不需要全平面的寻找匹配点！）
极线约束：
极线约束就是说同一个点在两幅图像上的映射，已知左图映射点p1，那么右图映射点p2
定在相对于p1的极线上。

如何求极线？
根据已经确定的匹配点，计算基础矩阵，通过基础矩阵和已知的像素点便可求出在另一幅图像上的对应的极线。

三种尺度的匹配方式：
1.逐像素的匹配（找另一图像级线上最相似的像素值）：

2.基于window 匹配（求window的cost）：

关于计算window的代价函数如下图所示：

3.global 匹配（为了减小噪声）
从下图可以看出视差图还是有很多的error，所以进一步提出global，考虑平滑。

最小化损失函数

二、找到对应点我们能做些什么？（当然是获取场景的深度信息，下面提出了如何表达深度信息）
视差：两个对应点x轴的差。
视差图：每个像素值由两个图像上对应点的距离差值*某个特定的值。（物体越近，视差越大，因而绘制呈现为白色，越远视差越小，呈现为黑色），正如下图的视差图表示出了场景的深度信息。

找到对应点后，根据视差求深度。

下图解释了物体距离摄像头越近，视差越大。（为什么视差图可以表达深度）