双目视觉立体匹配算法研究

VS2017+OpenCV3.3基于SGBM算法的双目立体视觉、双目测距（双目校正和立体匹配）(文档里包含了测试图片)

针对现有立体匹配算法在非平行平面区域匹配中出现“阶梯效应”的问题，提出一种斜面参数优化的全局立体匹配算法。该算法用斜面参数替代视差值作为全局匹配算法的优化变量，并结合粒子滤波思想实现斜面参数的（近似）

针对机器人视觉系统立体匹配中存在的匹配重复或错误等问题，提出了一种基于尺度不变特征变换（ScaleInvariantFeatureTransform，SIFT算法）和余弦相似度匹配规则的立体匹配方法。

基于现实世界是一个三维空间,所以对计算机视觉的研究也应该是在三维空间中进行的。 在自动驾驶过程中的首要任务就是道路识别[1],主要是图像特征法和模型匹配法来进行识别。行驶过程中需要进行障碍物检测 [2

使用opencv+c/c++实现的双目立体视觉算法实现

给定两个图片，手工标定对应点，利用OpenCV计算基本矩阵，之后输出视差图

Binocular vision robot

通过双目视觉测距Python代码，可以运行。

基于剔除策略的立体匹配算法，方素平，李一超，基于窗口的立体匹配方法是非常经典的算法。但是，在无纹理区域和遮挡区域内，窗口匹配算法精度低、匹配正确性无法得到保证。对于

针对空气中极线几何不再适用于水下双目图像匹配以及尺度不变特征转换(SIFT)算法只能实现稀疏匹配的问题,提出了基于色彩分割的水下立体匹配算法。获取双目摄像机标定参数、参考图和待匹配图;推导参考图的特征