OpenCV三种立体匹配求视差图算法总结

最新推荐文章于 2025-07-09 21:40:50 发布

原创最新推荐文章于 2025-07-09 21:40:50 发布 · 3.6w 阅读

79 ·

CC 4.0 BY-SA版权

文章标签：

#算法

机器视觉专栏收录该内容

4 篇文章

订阅专栏

本文总结了OpenCV中的三种立体匹配算法：BM、SGBM和GC。BM算法速度快但效果一般，适用于实时场景；SGBM是改进版，效果较好，速度较快；GC算法虽然效果最佳，但速度较慢。通过调整关键参数，如minDisparity、numberOfDisparities和uniquenessRatio，可以优化匹配效果。

对OpenCV中涉及的三种立体匹配算法进行代码及各自优缺点总结：

首先我们看一下BM算法：

该算法代码：

CvStereoBMState *BMState = cvCreateStereoBMState(); int SADWindowSize=15; BMState->SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 9; BMState->minDisparity = 0; BMState->numberOfDisparities = 32; BMState->textureThreshold = 10; BMState->uniquenessRatio = 15; BMState->speckleWindowSize = 100; BMState->speckleRange = 32; BMState->disp12MaxDiff = 1; cvFindStereoCorrespondenceBM( left, right, left_disp_,BMState); cvNormalize( left_disp_, left_vdisp, 0, 256, CV_MINMAX );

其中minDisparity是控制匹配搜索的第一个参数，代表了匹配搜苏从哪里开始，numberOfDisparities表示最大搜索视差数uniquenessRatio表示匹配功能函数，这三个参数比较重要，可以根据实验给予参数值。

该方法速度最快，一副320*240的灰度图匹配时间为31ms，视差图如下。

第二种方法是SGBM方法这是OpenCV的一种新算法：

cv::StereoSGBM sgbm; sgbm.preFilterCap = 63; int SADWindowSize=11; int cn = 1; sgbm.SADWindowSize = SADWindowSize > 0 ? SADWindowSize : 3; sgbm.P1 = 4*cn*sgbm.SADWindowSize*sgbm.SADWindowSize; sgbm.P2 = 32*cn*sgbm.SADWindowSize*sgbm.SADWindowSize; sgbm.minDisparity = 0; sgbm.numberOfDisparities = 32; sgbm.uniquenessRatio = 10; sgbm.speckleWindowSize = 100; sgbm.speckleRange = 32; sgbm.disp12MaxDiff = 1; sgbm(left , right , left_disp_); sgbm(right, left , right_disp_);

各参数设置如BM方法，速度比较快，320*240的灰度图匹配时间为78ms，视差效果如下图。

第三种为GC方法：

CvStereoGCState* state = cvCreateStereoGCState( 16, 2 ); left_disp_ =cvCreateMat( left->height,left->width, CV_32F ); right_disp_ =cvCreateMat( right->height,right->width,CV_32F ); cvFindStereoCorrespondenceGC( left, right, left_disp_, right_disp_, state, 0 ); cvReleaseStereoGCState( &state );

该方法速度超慢，但效果超好。