几周前，我已经实现了一个简单的块匹配立体算法，但结果却很糟糕。所以我在互联网上搜索了更好的算法。在那里，我找到了由Heiko Hirschmueller出版的半全球匹配（SGM）。它获得了与处理时间相关的最佳结果之一。
我已经实现了算法并获得了非常好的结果（与简单的块匹配相比），您可以在此处看到：disparity and RGB image。我通过使用计算的视差值将2D点重新投影到3D，结果如下point-cloud。
在SGM结束时，我有一个数组，其中包含每个像素的汇总成本。差异等同于具有最低成本价值的指数。
问题是，搜索最小值只返回离散值。这导致点云中的单独层。换句话说：圆形表面被切割成许多层（参见点云）。
Heiko在他的论文中提到，通过将多项式函数拟合到成本数组中并将最低点作为差异，可以很容易地获得亚像素精度。问题不在于立体视觉，换句话说，任务如下：
我不知道该怎么做。我需要一个快速算法，因为我必须为Image
中的每个像素运行此代码例如：500x500像素，每个成本为60-200 =＆gt;算法必须运行15000000-50000000次!!）。
我不需要实时解决方案！我当前的SGM实现（L2R和R2L匹配，还没有cuda或多线程）需要大约20秒来处理500x500像素的图像;）。
我不要求图书馆！我尝试实现自己独立的计算机视觉库：）。
感谢您的帮助！
亲切的问候， 安德烈亚斯
答案 0 :(得分：0)
在一般多项式中查找确切的最低点是一个难题，因为它等同于找到多项式的导数的根。特别是，如果您的多项式为6阶，则导数是一个五次多项式，已知它不能被自由基解。因此，您需要执行以下任一操作：使用受限制的族拟合函数，为其计算导数的根，例如prod_i（x-ri）p（q）的积分，其中deg（p）<= 4，或 使用迭代方法找到一个近似最小值（牛顿法，梯度下降）。
