立体视觉匹配-伪随机码结构光图像

已知条件

• 双目镜头的内参和参
• 左右相机的数字散斑图像

目的

对图像中的物体三维重建，即计算出物体的三维坐标

步骤

1. 求解得到对应的像素点
   （1）选取左像素坐标；
   （2） 在右相机中通过视差约束和极线约束，得到搜索的起止点；
   （3）通过灰度约束，判断两个对应点的灰度值相差是否很大；
   （4）选取$（2M+1）\times （2M+1)$大小的窗口，计算对应的ZNCC平方系数，如果系数很大（基本上大于0.6），认为相似度很高；
   （5）如果计算的点图形的某一行起点，那么对应像素点与其相邻的像素距离近似，减少搜索的长度，即重新计算搜索的起止点，降低计算量；
2. 通过对应的像素点求解三维点坐标
   通过公垂线的方法计算已知匹配像素点的三维坐标；
   详细说明和代码，见我的立体视觉匹配。
3. 去噪
   由于像素点匹配的不正确，导致得到的三维点坐标不准确。需要将这些不准确的三维坐标去除。可以使用pcl中的一些滤波方法进行去噪。关于如何运用PCL滤波去噪，请移步点云滤波去噪。

其他资料

• 立体匹配十大概念综述—立体匹配算法介绍
• 立体匹配中ZNCC的积分图加速方法
• NCC与ZNCC