【论文学习笔记-6】立体匹配:MGM(More global matching)和R3SGM(Real-time Raster-Respecting global matching)
本篇博客主要介绍MGM和R3SGM两篇文章,个人学习用途。
MGM(More global matching):
提出了MGM来改进SGM,提高结果的精确度,能够消除SGM算法中存在的Streaking Effect问题。
R3SGM(Real-time Raster-Respecting global matching):
改进了SGM,更改了动态规划过程,使matching过程更加硬件亲和,提高速度,同时略微下降了准确率
Motivation
由于SGM通过多个一维动态规划求解过程来获得当前像素点的修正值,对像素点的cost修正只依赖于一个星型区域的像素间关系,如图

上图中红点与所有的白点间的像素值关系均不能通过传统SGM算法进行修正。
因此有相当一部分位置不满足事先定义好的一维线性关系的临近元素之间不会有任何的信息交互和视差修正关系,因为他们之间没有任何一条一维通路可以互相传递信息。这导致了这些临近元素不能满足SGM想要达到的临近元素有相似的视差值这一假定前提,这也导致了经过SGM过程得到的视差图的准确率。MGM和R3SGM都是受此启发,改进了SGM算法,但它们又各有不同。
MGM
Method
MGM算法改进了SGM算法,将SGM算法中每个一维方向替换成两个垂直方向的视差信息平均,如图所示:

这样在总方向不变的情况下(如SGM有上下左右四个方向时,则MGM

本文探讨了MGM算法如何通过增加垂直方向信息交流改进SGM,解决Streaking效应,并介绍了R3SGM如何结合SGM与MGM,设计出更适应硬件的实时全局匹配,以降低功耗和计算时间。双目匹配实验展示了这两种方法的实际效果。
最低0.47元/天 解锁文章
4049

被折叠的 条评论
为什么被折叠?



