使用 cv::StereoBM 进行视差计算的 CvStereoBMState 文档

Question

OpenCV 文档中没有充分解释 Konolige 块匹配算法的应用。 CvStereoBMState 的参数影响由 cv::StereoBM 计算的视差的准确性。但是，这些参数没有记录。我将在下面列出这些参数并描述我所理解的。也许有人可以添加对参数的描述，不清楚。

• preFilterType：确定在计算差异之前对图像应用哪个过滤器。可以是 CV_STEREO_BM_XSOBEL（Sobel 滤波器）或 CV_STEREO_BM_NORMALIZED_RESPONSE（可能与平均强度不同？？？）
• preFilterSize：前置过滤器的窗口大小（宽度=窗口高度，负值）
• preFilterCap：将输出剪辑到 [-preFilterCap, preFilterCap]。区间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，其中计算绝对差的总和以找到对应的像素。
• minDisparity：考虑的最小视差。默认为零，如果可能出现负视差，则应设置为负值（取决于相机视图之间的角度和被测物体到相机的距离）。
• numberOfDisparities：视差搜索范围 [minDisparity, minDisparity+numberOfDisparities]。
• textureThreshold：仅在纹理大于（或至少等于？）此阈值的位置计算差异。纹理是如何定义的？？？周围窗口的差异？？？
• uniquenessRatio：引用自 calib3d.hpp：“仅当 SAD(d) >= SAD(d*)(1 + uniquenessRatio/100.) 对于任何 d != d 时，才接受计算的差异 d*！+/-1 在搜索范围内。”
• speckleRange：不确定。
• trySmallerWindows：？？？
• roi1, roi2: 只计算这些区域的视差？？？不确定。
• speckleWindowSize：不确定。
• disp12MaxDiff：不确定，但 calib3d.hpp 中的注释说执行了左右检查。猜测：像素从左图匹配到右图，从右图匹配到左图。仅当原始左侧像素与后向匹配像素之间的距离小于 disp12MaxDiff 时，差异才有效。

Answer 1

depth map from stereo images 上的 Python 教程中更好地描述了这些参数。参数好像是一样的。

texture_threshold：过滤掉没有足够纹理的区域 可靠匹配

散斑范围和大小：基于块的匹配器 经常在物体边界附近产生“斑点”，其中 匹配窗口捕捉一侧的前景和背景 在另一。在这个场景中，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。 为了摆脱这些伪影，我们对视差图像进行后处理 由 speckle_size 和 speckle_range 控制的散斑滤波器 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 价值差距接近必须被视为相同的一部分 斑点。

差异数：窗口滑过多少像素。 越大，可见深度范围越大，但更多 需要计算。

min_disparity：与 x 位置的偏移量 开始搜索的左侧像素。

uniqueness_ratio： 另一个后过滤步骤。如果最佳匹配视差不是 比搜索范围内的所有其他视差都好得多， 像素被过滤掉。如果你可以尝试调整这个 texture_threshold 和散斑过滤仍在通过 虚假匹配。

prefilter_size 和 prefilter_cap： 预过滤 相位，标准化图像亮度并增强纹理 块匹配的准备。通常你不需要调整 这些。

还可以查看this ROS tutorial 选择立体声参数。

Answer 2

speckleWindowSize 和 speckleRange 是函数 cv::filterSpeckles 的参数。看看 OpenCV 的documentation。 cv::filterSpeckles 用于对视差图进行后处理。它用无效的视差值（短 -16 或浮点 -1.f )。