杨庆雄老师的立体匹配MST滤波优化算法代码C++ VS环境

针对局部立体匹配算法中边缘区域易造成误匹配的问题,提出一种基于边缘加权的跨尺度局部立体匹配算法。在代价计算阶段,根据边缘点的数量和结构信息提出一种边缘相似度测量方法,并对满足约束条件的点进行两种策略的

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

基于SIFT特征描述子的立体匹配算法 文主要贡献为，提出了多颜色空间融合差分、Haar 特征密度分布图以及多特征融合的图像匹配方法。

基于外极线分区的动态立体匹配算法

为提高双目立体视觉测量图像精确匹配的稳定性,提出一种基于特征点能量的稳健匹配新算法。该算法基于极线约束获取左右图像中特征点的初始匹配,根据特征点之间极线约束关系定义了一种不受仿射变换影响的能量来描述特

针对ELAS(Efficient Large-Scale Stereo Matching)算法视差图条纹明显且具有空洞区域的问题,提出一种匹配窗口特性与微分特性相结合的局部立体匹配算法,增强描述子对点

现有的多尺度立体匹配算法对各尺度的代价函数采用相同权值,而忽略了各尺度层对整个匹配代价的不同影响,增加了误匹配点。针对此问题,提出了自适应权值的跨尺度立体匹配算法框架。采用统一的代价聚合函数框架在不同

提出了一种基于高斯拉普拉斯(LoG)算子的加权引导图滤波立体匹配算法。采用加权绝对差与梯度相融合的方式计算匹配代价。利用基于LoG算子的引导图滤波进行代价聚合,使惩戒参数能够随图像中的不同纹理区域进行

针对控制点修正的动态规划立体匹配算法存在控制点求取时间长、实时性差的问题,提出一种金字塔双层动态规划立体匹配算法.采用金字塔算法求取低、高分辨率图像,然后分别在低、高分辨率图像上求取候选控制点集和最终

针对现有局部立体匹配算法在弱纹理区域匹配精度低的问题, 提出一种基于改进代价计算和自适应引导滤波代价聚合的局部立体匹配算法。该算法首先将增强后的梯度信息与基于增强梯度的Census变换相结合, 构建代