所属分类：视觉图像与光学光电 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

立体匹配：代价计算与后处理实战

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

立体匹配的定义 · 应用场景（自动驾驶 · 机器人

课程导入立体匹配的定义

立体视觉基础

双目相机成像原理 · 极线约束 · 视差与深度的关系

立体视觉基础双目相机成像原理

立体匹配流程总览

匹配代价计算 · 代价聚合 · 视差优化

立体匹配流程总览匹配代价计算

匹配代价计算概述

代价函数的作用 · 常见代价类型（像素级 · 区域级

匹配代价计算概述代价函数的作用

像素级代价计算

差（SAD） · 平方差（SSD） · 归一化互相关（NCC）的原理与实现

像素级代价计算SAD

鲁棒代价函数

截断差（TAD） · 截断平方差（TSSD） · Huber代价

鲁棒代价函数TAD

Census变换实战

Census描述子计算 · 汉明距离代价 · 光照鲁棒性分析及代码实现

Census变换实战

互信息（MI）代价

互信息原理 · 在立体匹配中的应用 · 计算步骤与优缺点

基于特征的代价

梯度代价 · 相位代价 · 局部二值模式（LBP）等特征描述子的…

基于特征的代价梯度代价

代价计算实战（一）

使用Python和OpenCV实现S… · SSD · NCC代价计算

代价计算实战Python

代价计算实战（二）

实现Census变换与汉明距离代价 · 分析光照变化下的鲁棒性

代价计算实战Census

代价计算实战（三）

实现梯度代价与互信息代价 · 比较不同代价函数的性能

代价计算实战实现梯度代价

代价聚合的必要性

噪声影响 · 局部歧义 · 聚合策略（固定窗口

代价聚合的必要性噪声影响

局部聚合方法

盒式滤波 · 高斯加权 · 引导滤波在代价聚合中的应用与实现

局部聚合方法盒式滤波

自适应窗口聚合

基于颜色/深度相似性的窗口构建 · 十字交叉聚合（Cross-based…

自适应窗口聚合基于颜色

全局优化方法

全局能量函数 · 图割（Graph Cut） · 置信度传播（BP）的基本思想

全局优化方法全局能量函数

半全局匹配（SGM）

SGM算法原理 · 多路径代价聚合 · 惩罚项设计及参数影响

SGM半全局匹配

使用OpenCV的StereoSGB… · 调整参数并分析视差图

赢家通吃（WTA） · 动态规划 · 扫描线优化

视差优化WTA

亚像素插值（抛物线拟合） · 左右一致性检查 · 连通域滤波

视差细化亚像素插值

后处理之去噪与平滑

双边滤波 · 引导滤波 · 加权中值滤波在视差图后处理中的应用

后处理之去噪平滑

后处理之孔洞填充

无效视差修复 · 基于邻近有效像素的插值 · 基于分割的填充方法

后处理之孔洞填充无效视差修复

后处理之边缘保持

边缘检测 · 视差不连续保持 · 联合双边滤波与深度边缘优化

后处理之边缘保持边缘检测

后处理实战（一）

实现左右一致性检查 · 中值滤波 · 孔洞填充

后处理实战实现左右一致性检…

后处理实战（二）

使用引导滤波进行视差细化 · 对比不同后处理组合的效果

后处理实战使用引导滤波进行…

立体匹配评估指标

均方误差（MSE） · 误匹配率（BadPix） · 视差图可视化与定性分析

立体匹配评估指标MSE

经典数据集与基准

Middlebury · KITTI · ETH3D等数据集介绍

经典数据集基准

综合实战项目（一）

从图像对到视差图——完整流程实现（代…

综合实战项目从图像对到视差图

综合实战项目（二）

针对真实场景（如室内/室外）优化算法 · 处理光照 · 纹理缺失

综合实战项目针对真实场景

课程总结与进阶方向

深度学习立体匹配简介（如PSMNet · RAFT-Stereo） · 课程回顾

课程总结进阶方向