使用cv :: StereoBM进行差异计算的CvStereoBMState文档

Question

在OpenCV文档中没有充分解释Konolige的块匹配算法的应用。 CvStereoBMState的参数影响由cv :: StereoBM计算的差异的准确性。但是，没有记录这些参数。我将在下面列出这些参数并描述，我理解的内容。也许有人可以添加参数的描述，这些都不清楚。

• preFilterType：确定在计算差异之前在图像上应用哪个滤镜。可以是CV_STEREO_BM_XSOBEL（Sobel过滤器）或CV_STEREO_BM_NORMALIZED_RESPONSE（也许差异表示强度???）
• preFilterSize：预过滤器的窗口大小（宽度=窗口高度，负值）
• preFilterCap：将输出剪辑为[-preFilterCap，preFilterCap]。间隔之外的值会发生什么变化？
• SADWindowSize：左侧和右侧图像中比较窗口的大小，其中计算绝对差值的总和以找到相应的像素。
• minDisparity：考虑到的最小差异。如果可能存在负差异，则默认值为零，应设置为负值（取决于摄像机视图之间的角度和测量对象与摄像机的距离）。
• numberOfDisparities：视差搜索范围[minDisparity，minDisparity + numberOfDisparities]。
• textureThreshold：仅在纹理大于（或至少等于？）此阈值的位置计算视差。如何定义纹理???周围窗口的差异???
• uniquenessRatio：引自calib3d.hpp：＆＃34;仅当SAD（d）＆gt; = SAD（d *）（1 + uniquenessRatio / 100。）时，对任何d！=接受计算的差异d * d +/- 1在搜索范围内。＆＃34;
• speckleRange：不确定。
• trySmallerWindows：???
• roi1，roi2：仅计算这些区域的差异???不确定。
• speckleWindowSize：不确定。
• disp12MaxDiff：不确定，但是在calib3d.hpp中的评论说，执行了左右检查。猜测：像素从左图像到右图像匹配，从右图像匹配到左图像。如果原始左像素和后匹配像素之间的距离小于disp12MaxDiff，则差异仅有效。

Answer 1

speckleWindowSize和speckleRange是函数cv :: filterSpeckles的参数。看一下OpenCV＆＃39; documentation。 cv :: filterSpeckles用于后处理视差图。它取代了相似差异的斑点（两个相邻值的差值不超过speckleRange），其大小小于或等于speckleWindowSize（形成斑点的像素数）无效差异值（短-16或浮点-1.f） ）。

Answer 2

在depth map from stereo images的Python教程中对参数进行了更好的描述。参数似乎相同。

  

texture_threshold：：过滤掉纹理不足的区域   进行可靠的匹配

     

散斑范围和大小：基于块的匹配器   通常会在物体边界附近产生“斑点”   匹配的窗口在一侧捕获前景，在背景捕获   在另一。在此场景中，匹配器似乎也是   在桌子上的投影纹理中找到小的虚假匹配项。   为了消除这些伪像，我们使用来对视差图像进行后处理   由speckle_size和speckle_range控制的斑点滤镜   参数。 speckle_size是像素数，低于该像素数   视差斑点被视为“斑点”。 speckle_range控制如何   价值差异悬殊，必须视为同一差异的一部分   一滴

     

差异数量：将窗口滑动到多少像素。   它越大，可见深度范围就越大，但更多   需要计算。

     

min_disparity ：距x位置的偏移量   开始搜索的左侧像素的像素。

     

uniqueness_ratio：   另一个后过滤步骤。如果最佳匹配差异不是   远远胜过搜索范围内的所有其他差异，   像素被滤除。您可以尝试对此进行调整   texture_threshold和斑点过滤仍在通过   虚假匹配。

     

prefilter_size和prefilter_cap：   相位，可标准化图像亮度并增强   准备块匹配。通常您不需要调整   这些。

还请检查this ROS tutorial，以选择立体声参数。