超级会员免费看
我们来深入探讨立体匹配中视差优化（Disparity Refinement） 的原因和常用方法。
视差计算（通常通过WTA策略）得到的初始视差图远非完美，它只是一个“粗糙”的结果。视差优化是立体匹配流程中必不可少的后处理步骤，旨在剔除错误匹配、填充空洞、提升精度和视觉效果。
第一部分：为什么要进行视差优化？原因分析
初始视差图存在多种问题，优化就是为了解决它们：
- 遮挡问题（Occlusion）：
- 原因：由于左右相机位置不同，场景中的某些区域只能被一个相机看到，而另一个相机看不到。在左图中可见的点，在右图中可能被前景物体挡住。
- 表现：在被遮挡区域，左图像素在右图中根本没有真实的对应点。因此，匹配算法会随意猜一个视差值，通常是错误的。这些点被称为遮挡点（Occluded Points）。
- 误匹配问题（Mismatch）：
- 原因：在弱纹理区域（如白墙）、重复纹理区域（如窗户格）和反射区域，匹配算法无法找到唯一正确的对应点，从而选择了错误的匹配。
- 表现：这些点有视差值，但值是错误的，是“伪匹配”结果。
- 噪声问题（Noise）：
- 原因：图像传感器噪声、光照变化、匹配代价计算的不确定性等都会引入随机误差。
- 表现：视差图呈现“椒盐”状的噪声点。
- 深度不连续处的平滑问题（Over-Smoothing at Depth Discontinuities）：
- 原因：匹配时使用的窗口或
订阅专栏 解锁全文
412
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
