01
立体匹配概述
什么是立体匹配 · 四个步骤 · 应用场景
自动驾驶三维重建
02
成像几何基础
针孔相机 · 双目系统 · 极线几何 · 视差深度
对极约束视差
03
匹配代价计算（上）
AD · SD · NCC · Census变换
代价函数Census
04
匹配代价计算（下）
互信息 · 梯度代价 · 多代价融合 · 开销分析
MI融合策略
05
代价聚合入门
为什么需要聚合 · 核心思想 · 局部vs全局
局部方法全局方法
06
固定窗口代价聚合
盒式滤波 · 均值滤波 · 窗口大小影响
Box Filter窗口
07
自适应窗口代价聚合
颜色/深度自适应 · 十字交叉域
Cross-based自适应
08
引导滤波代价聚合
引导滤波原理 · 聚合应用 · 快速引导滤波
Guided Filter加速
09
双边滤波代价聚合
双边滤波原理 · 聚合应用 · 优缺点
Bilateral边缘保持
10
半全局匹配（SGM）代价聚合
SGM核心 · 多路径聚合 · 路径代价 · 优缺点
SGM多路径
11
SGM改进算法
SGBM · 改进路径数 · P1/P2自适应
OpenCVSGBM
12
基于分割的代价聚合
SLIC/MeanShift分割 · 区域聚合 · 平面拟合
超像素分割
13
最小生成树（MST）代价聚合
MST构建 · 树结构聚合 · 非局部聚合
MST非局部
14
基于深度学习的代价聚合（上）
端到端网络 · GC-Net 3D卷积聚合
GC-Net3D CNN
15
基于深度学习的代价聚合（下）
PSMNet SPP+3D CNN · GANet半全局层
PSMNetGANet
16
代价聚合的加速方法
积分图 · 下采样 · GPU并行 · 近似算法
加速积分图
17
视差计算与优化
WTA · 子像素插值 · 左右一致性 · 唯一性
WTA子像素
18
视差细化
中值滤波 · 孔洞填充 · 加权中值 · 边缘保持
滤波孔洞填充
19
遮挡处理
遮挡检测 · 视差填充 · 背景填充策略
遮挡填充
20
立体匹配评价指标
MSE · BadPix · 视差误差图 · EvalBench
评估指标
21
经典数据集
Middlebury · KITTI · SceneFlow · ETH3D
数据集Benchmark
22
局部立体匹配实战（OpenCV）
SGBM参数详解 · 代码实现 · 结果调优
OpenCVSGBM
23
全局立体匹配实战
Graph Cut · Dynamic Programming · 代码实现
Graph CutDP
24
深度学习立体匹配实战（PyTorch）
PSMNet解读 · 训练推理 · 代码实现
PyTorchPSMNet
25
实时立体匹配
嵌入式优化 · 移动端部署 · AnyNet/FastDSM
轻量化实时
26
多视点立体匹配
三目/多目 · 多视点代价聚合 · 优势与挑战
多视点三目
27
立体匹配与SLAM结合
ORB-SLAM · 深度估计 · 位姿优化
SLAMORB
28
立体匹配在自动驾驶中的应用
BEV感知 · 障碍物检测 · 可行驶区域
自动驾驶BEV
29
立体匹配在机器人导航中的应用
VSLAM · 避障 · 抓取 · 三维重建
机器人导航
30
立体匹配前沿与未来趋势
无监督/自监督 · Transformer · NeRF结合
前沿Transformer