sgbm参数设置

最新推荐文章于 2025-06-16 14:39:47 发布
原创 最新推荐文章于 2025-06-16 14:39:47 发布 · 1.1w 阅读 · 120 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了SGBM（StereoSGBM）算法的基本原理和关键参数，包括minDisparity、numDisparities、blockSize、P1、P2等，并提供了相关学习资源和opencv中SGBM算法参数的数值选取建议。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

转自
https://blog.youkuaiyun.com/zhubaohua_bupt/article/details/51866567
https://blog.youkuaiyun.com/cxgincsu/article/details/74451940
https://blog.youkuaiyun.com/u010369450/article/details/78839345


SGBM相关学习链接：

1，原始文献：Heiko Hirschmuller. Stereo processing by semiglobal matching and mutual information.Pattern Analysis and Machine Intelligence, IEEE Transactions on, 30(2):328–341, 2008.

2，cv::StereoSGBM Class Reference

3，opencvSGBM版半全局立体匹配算法的研究


SGBM的基本原理

SGBM的基本步骤涉及：预处理、代价计算、动态规划以及后处理


StereoSGBM的原型


 
 
 
    
  
  
  1. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     static Ptr<StereoSGBM> cv::StereoSGBM::create
    
    
    
    
   
   
   
    2. 
  
  
  2. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     (
    
    
    
    
   
   
   
    3. 
  
  
  3. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int minDisparity = 
     
     
     0,
    
    
    
    
   
   
   
    4. 
  
  
  4. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int numDisparities = 
     
     
     16,
    
    
    
    
   
   
   
    5. 
  
  
  5. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
     
    
    
    
    
   
   
   
    6. 
  
  
  6. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int blockSize = 
     
     
     3,
    
    
    
    
   
   
   
    7. 
  
  
  7. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
     
    
    
    
    
   
   
   
    8. 
  
  
  8. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int P1 = 
     
     
     0,
    
    
    
    
   
   
   
    9. 
  
  
  9. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int P2 = 
     
     
     0,
    
    
    
    
   
   
   
    10. 
  
  
  10. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
     
    
    
    
    
   
   
   
    11. 
  
  
  11. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int disp12MaxDiff = 
     
     
     0,
    
    
    
    
   
   
   
    12. 
  
  
  12. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
    
    
    
    
     
     
     int preFilterCap = 
     
     
     0,
    
    
    
    
   
   
   
    13. 
  
  
  13. 
   
   
   
    
    
    
    
    
   
   
   
    
   
   
   
    
  
   
    14.
最低0.47元/天 解锁文章

200万优质内容无限畅学
双目相机SGBM算法参数
weixin_45127969的博客
03-19 2416
1.minDisparity 最小可能的视差值。通常为零，但有时校正算法会偏移图像，因此需要相应地调整此参数。 2.numDisparities 最大视差减去最小视差。该值始终大于零。在当前的实现中，此参数必须可被16整除。 3.P1 控制视差平滑度的第一个参数。此参数用于倾斜表面（非正视平行）的情况。 4.P2 第二个参数控制视差平滑度。此参数用于“解决”深度不连续性问题。值越大，视差越平滑。P1是对相邻像素之间视差变化加或减1的惩罚。P2是相邻像素之间视差变化大于1的代价。该算法要求P2> P1。
基于SGBM算法的双目立体匹配深度估计+滑动条窗口调参
一颗奔跑的奶酪
02-05 3763
目录简要说明代码实现效果 简要说明 该c++程序实现功能： 1)基于SGBM算法的双目立体匹配深度估计 2)通过创建滑动条窗口法完成SGBM算法的在线调参 输入：左右目图像以及相机畸变校正参数文件。 输出：显示该双目图像帧估计出的深度图以及三维点云。 其中，函数SGBMStart()为创建滑动条窗口，主要通过createTrackbar()创建窗口滑动条；函数SGBMCallback为回调函数，主要通过getTrackbarPos()获取滑动条当前值；函数showPointCloud为点云显示，用Pang.
SGBM结合KITTI数据集设置参数详解
luxiaodong123的博客
07-16 1722
对于SGBM算法原理不多介绍啦，这里只是结合KITTI标准数据集以及opencv环境下，介绍SGBM参数的含义以及设置。 （感谢开放的学术环境，这里也只是对王泽远硕士的论文进行学习和总结，若有侵权部分，请联系作者删除。） opencv中对于SGBM算法需要设置很多参数，这些参数都会或多或少的影响到最终匹配结果。概括来说，把这些参数分为三类： 1.预处理滤波参数 这部分参数对输入图像进行预处理，来消...
OpenCV立体视觉深度匹配：SGBM算法详解
最新发布
weixin_31974443的博客
06-16 1437
Semi-Global Matching（SGBM）算法是一种高效的立体匹配算法，它结合了全局优化方法与局部匹配技术的优势。SGBM算法的核心思想是在多个方向上独立地进行路径搜索，然后将这些方向上的路径代价合并起来进行全局优化，从而获得一致的视差图。SGBM算法引入了一种称为路径代价的度量方式，通过对图像中的像素进行评分，来确定最佳的匹配。算法的全局优化通过最小化路径代价来实现，这通常通过动态规划的方法完成。SGBM算法利用了图像的连续性和几何约束，能够产生较为平滑且符合实际几何约束的视差图。
OpenCV SGBM 参数解释
lianbus的专栏
07-24 1282
'StereoSGBM_create([, minDisparity[, numDisparities[, blockSize[, P1[, P2[, disp12MaxDiff[, preFilterCap[, uniquenessRatio[, speckleWindowSize[, speckleRange[, mode]]]]]]]]]]]) -> retval . @brief Creates StereoSGBM object . .@param minDisparity Minimum po
C++实现opencv中的SGBM匹配算法并实现调参
ThisisWilli
09-25 6345
实现SGBM调参 C++实现 SGBM的各个参数意义，请参考https://blog.youkuaiyun.com/wwp2016/article/details/86080722 整个程序分为3部分SGBMStart，SGBMUpdate，main #include <opencv2/opencv.hpp> #include "opencv2/highgui/highgui.hpp" using...
SGBM立体匹配算法测试公开测试图像，得到深度视差图
04-14
SGBM立体匹配算法测试公开测试图像...首先获取这些参数，然后设置图像尺寸，经过立体校正、重映射畸变矫正，根据需求修改BM算法参数，最后归一化得到深度视差图。 可以根据自己的需要，去调节SGBM立体匹配算法的参数。
图漾FM855相机的SGBM参数配置表格
05-22
SGBM参数配置对于获取高质量的深度图至关重要。在配置这些参数之前，理解每个参数的含义和作用是基础。以下是SGBM参数的一些关键点： 1. minDisparity：表示匹配时搜索的最小视差值，通常设置为0，但如果场景中没有...
SGBM立体匹配算法得到视差深度图，可填自己双目相机标定的参数
04-14
SGBM立体匹配算法得到视差深度图，可填自己双目相机标定参数，首先填双目相机标定参数，然后设置图片路径，分割左右图像，设置分辨率，根据自己需求修改BM算法参数，最后归一化，得到视差深度图。 可以根据自己的...
【立体匹配之二】SGBM
北络
02-28 8924
双目图像稠密匹配可以分为4个基本步骤： Matching cost computation; Cost aggregation: connects the matching cost within a certain neighborhood; Disparity computation: selects the disparity with the lowest matching cost; ...
计算机视觉视差图（SGBM算法）
10-27
该算法代码主要用于计算机视觉方面，双目相机左右图像通过运行该算法代码可得到视差图。
基于SGBM算法的图像匹配
10-18
基于SGBM的图像匹配，在VS2015上进行的开发，基于opencv3，代码是全部的，修改内外参数可以直接使用
python实现SGBM图像匹配算法
01-24
使用python3.7实现SGBM算法，通过调用opencv库函数来实现图像匹配，计算出左右图的视差图
双目立体匹配算法SGBM
热门推荐
A_L_A_N
08-07 6万+
semi-global matching（SGM）是一种用于计算双目视觉中视差（disparity）的半全局匹配算法，在OpenCV中的实现为semi-global block matching（SGBM）。 第一部分：SGBM算法原理： 一、预处理 Step1：SGBM采用水平Sobel算子，把图像做处理，公式为： Sobel(x,y)=2[P(x+1,y)-P(x-1,y)]+ P(x...
双目立体匹配算法：SGBM
weixin_45303602的博客
09-24 7701
SGBM（Semi-Global Block Matching）是一种用于计算双目视觉中视差（disparity）的半全局匹配算法，在OpenCV中的实现为semi-global block matching（SGBM）。它是基于全局匹配算法和局部匹配算法的优缺点，提出了一种折中的方法，既能保证视差图的质量，又能降低计算复杂度。
基于python的opencv中SGBM立体匹配算法实现
小张的技术分享博客
12-12 8246
SGBM的核心是SGM算法，自OpenCV2.4.6开始就已经被开源，非常的方便，并被广泛使用。
运用OpenCV进行双目匹配时各参数的意义
星之河的专栏
08-26 5129
在进行双目匹配的过程中发现匹配参数对最后得到的视差的结果有很大的影响。但是对各参数的意义本人却不是很明白。因此在这里总结一下： 三、通過視差計算三維坐標數據 這部分主要以 OpenCV2.1版的 stereo_match 例程為基礎，該例程包括三種雙目匹配算法：STEREO_BM, STEREO_SGBM, STEREO_HH，其中 STEREO_HH 其實是 STEREO_SGB
SAD, SGBM算法代码
正在挣扎中的人
01-26 2577
用opencv实现SAD和SGBM
双目立体视觉-SGM匹配算法-P1、P2参数影响分析
weixin_45541495的博客
08-22 1989
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言二、使用步骤1.引入库2.读入数据总结欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 笔者在学习以及应用
SGBM算法参数设置
03-21
<think>好的，我现在需要介绍SGBM算法参数设置。首先，我应该回忆一下SGBM的基本概念，它是立体匹配算法中的一种，属于半全局块匹配算法，是OpenCV中实现的。接下来，用户可能想知道参数的作用及如何调整。 首先，SGBM的主要参数有哪些？我记得有minDisparity、numDisparities、blockSize、P1、P2、disp12MaxDiff、preFilterCap、uniquenessRatio、speckleWindowSize、speckleRange，还有mode等。每个参数的意义和影响需要解释清楚。 比如，minDisparity是最小视差，通常设为0，但如果有先验知识可以调整。numDisparities是视差范围，必须是16的倍数。blockSize是匹配块的大小，影响平滑度和细节。P1和P2控制平滑性惩罚，P2应大于P1。disp12MaxDiff是左右视差检查的阈值。preFilterCap预处理滤波器的截断值，uniquenessRatio唯一性比率，speckleWindowSize和speckleRange用于后处理过滤斑点。mode可以选择不同的模式，如SGBM或HH。 需要分点说明每个参数，可能还要给出典型值和调整建议。例如，numDisparities太大增加计算量，太小可能丢失远处物体。blockSize过大会模糊边缘，过小噪声多。P1和P2影响视差图的平滑度，需要根据图像纹理调整。 还要注意参数之间的相互影响，比如调整numDisparities可能需要调整其他参数。另外，可能需要给出一个示例参数设置，帮助用户理解如何组合这些参数。 需要确保用中文，结构清晰，术语正确，使用LaTeX公式时注意行内和独立格式。比如，视差计算中的公式可能需要用$$...$$，但简单的变量用$...$。例如，匹配代价计算中的块匹配可能用$blockSize \times blockSize$。 还要检查是否有遗漏的重要参数，或者是否需要解释算法流程中的参数作用。例如，预处理步骤中的preFilterCap，或者后处理中的去噪参数。此外，可能需要注意版本差异，比如OpenCV中不同版本的参数是否有变化。 最后，总结参数调节的一般步骤，帮助用户系统地调整参数，比如先确定视差范围，再调整块大小，然后处理平滑度和噪声等。同时提醒用户根据实际场景进行测试，因为不同场景的最佳参数可能不同。</think>SGBM（Semi-Global Block Matching）算法是立体视觉中常用的视差图计算算法，其参数设置直接影响匹配效果和计算效率。以下是对关键参数的系统介绍及设置建议： --- ### **1. 基础参数** #### **(1) `minDisparity`（最小视差）** - **作用**：定义搜索视差的最小值，通常设为$0$（左图像素在右图相同位置开始搜索）。 - **调整建议**：若场景中最近物体视差已知，可适当调整以缩小搜索范围。 #### **(2) `numDisparities`（视差范围）** - **作用**：定义最大视差值与最小视差值的差，需为$16$的整数倍，即$numDisparities = 16 \times k$。 - **公式**：视差搜索范围 $[minDisparity, minDisparity + numDisparities)$。 - **调整建议**：根据场景深度调整，值越大计算量越高。典型值：$64$（$k=4$）或$128$（$k=8$）。 #### **(3) `blockSize`（块大小）** - **作用**：匹配时使用的局部窗口大小（奇数），影响平滑度和细节保留。 - **公式**：代价计算基于$blockSize \times blockSize$窗口的像素差异。 - **调整建议**：小值（如$3$）保留细节但噪声多；大值（如$11$）平滑但可能模糊边缘。 --- ### **2. 惩罚参数** #### **(1) `P1`, `P2`（平滑性惩罚项）** - **作用**：控制视差变化的平滑性，$P2 > P1$。 - `P1`：惩罚相邻像素视差变化$1$的代价。 - `P2`：惩罚视差变化超过$1$的代价。 - **公式**：$$P1 = \alpha \cdot blockSize^2, \quad P2 = \beta \cdot blockSize^2$$ - **调整建议**：默认$P1=8 \cdot blockSize^2$, $P2=32 \cdot blockSize^2$，纹理复杂场景可增大$P2$。 #### **(2) `uniquenessRatio`（唯一性比率）** - **作用**：判断匹配唯一性的阈值，抑制模糊匹配。 - **公式**：若最佳匹配代价与次佳匹配代价的比率小于$(1 + uniquenessRatio/100)$，则视差有效。 - **调整建议**：典型值$5-15$，值越大匹配越严格。 --- ### **3. 后处理参数** #### **(1) `speckleWindowSize`（斑点滤波窗口）** - **作用**：滤除小于此窗口尺寸的孤立视差异常区域。 - **调整建议**：设为$100-200$，过大可能误删有效区域。 #### **(2) `speckleRange`（斑点视差范围）** - **作用**：定义同一连通区域内视差的最大允许变化。 - **调整建议**：通常设为$1$或$2$，严格过滤噪声。 #### **(3) `disp12MaxDiff`（左右一致性检查阈值）** - **作用**：左右视差图一致性检查的最大允许差异。 - **调整建议**：典型值$0$（严格）或$1$，过大可能保留错误匹配。 --- ### **4. 其他参数** #### **(1) `preFilterCap`（预处理截断值）** - **作用**：预处理阶段像素值截断阈值，增强鲁棒性。 - **调整建议**：典型值$31$或$63$，光照变化大时增大。 #### **(2) `mode`（算法模式）** - **选项**：`cv2.STEREO_SGBM_MODE_SGBM`（默认）或`cv2.STEREO_SGBM_MODE_HH`（全分辨率，速度慢）。 - **建议**：默认模式适用于实时性要求，HH模式精度更高。 --- ### **示例参数配置（OpenCV-Python）** ```python import cv2 stereo = cv2.StereoSGBM_create( minDisparity=0, numDisparities=64, # 16*4 blockSize=11, P1=8*11*11, P2=32*11*11, disp12MaxDiff=1, uniquenessRatio=10, speckleWindowSize=100, speckleRange=1, preFilterCap=63, mode=cv2.STEREO_SGBM_MODE_SGBM ) ``` --- ### **调试建议** 1. **优先固定**：先确定`numDisparities`和`blockSize`，再调整平滑性参数`P1/P2`。 2. **后处理优化**：通过`speckleWindowSize`和`speckleRange`去除噪声。 3. **平衡速度与精度**：`mode`和`blockSize`显著影响计算速度，需权衡场景需求。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值