01
立体匹配概述
什么是立体匹配 · 双目视觉原理 · 极线约束与对极几何 · 视差与深度关系
基础几何
02
图像预处理
直方图均衡化 · 高斯滤波 · 中值滤波 · Sobel边缘检测 · Canny边缘检测
滤波边缘
03
代价计算基础
像素灰度差(AD) · 灰度差平方(SD) · 绝对差之和(SAD) · 平方差之和(SSD)
代价像素
04
基于特征的代价计算
Census变换 · Rank变换 · BRIEF描述子 · Hamming距离计算
特征二进制
05
代价聚合与优化
局部聚合(Box/Guided Filter) · 全局优化(DP/Graph Cut/SGM)
聚合优化
06
视差后处理
左右一致性检查(LRC) · 唯一性约束 · 亚像素插值 · 中值滤波去噪
后处理亚像素
07
视差填充与滤波
孔洞填充 · 加权中值滤波 · 双边滤波 · 联合双边滤波
填充滤波
08
深度图生成
视差转深度公式 · 深度图后处理 · 深度图可视化
深度可视化
09
立体匹配评估指标
MSE · MAE · 坏点百分比(Bad Pixel) · D1-all指标
评估指标
10
经典算法实战
BM算法 · SGBM算法 · ELAS算法 · PatchMatch算法
经典实战
11
深度学习代价计算
MC-CNN · GC-Net · PSMNet · GANet
深度学习代价
12
端到端立体匹配
DispNet · FlowNet · AnyNet · RAFT-Stereo
端到端光流
13
代价体构建
单目特征提取 · 代价体构建(Concat/Difference) · 代价体正则化
代价体特征
14
3D卷积与代价聚合
3D CNN结构 · 堆叠沙漏网络 · 注意力机制在代价聚合中的应用
3D卷积注意力
15
视差回归与优化
Soft Argmin · 加权平均 · 不确定性估计 · 迭代优化
回归优化
16
半全局匹配(SGM)详解
多路径聚合 · P1/P2惩罚参数 · 视差选择与优化
SGM半全局
17
自适应代价计算
自适应权重 · 自适应窗口 · 自适应惩罚参数
自适应窗口
18
多尺度代价计算
图像金字塔 · 多尺度特征融合 · 由粗到细的视差估计
多尺度金字塔
19
边缘保持代价计算
引导滤波代价聚合 · 双边滤波代价聚合 · 边缘感知平滑
边缘保持滤波
20
实时立体匹配
快速Census变换 · 并行SGM · FPGA实现思路
实时FPGA
21
弱纹理区域处理
颜色辅助 · 分割辅助 · 平面拟合 · 先验约束
弱纹理先验
22
遮挡区域处理
遮挡检测 · 遮挡填充 · 背景优先策略 · 多帧融合
遮挡多帧
23
视差图超分辨率
双线性插值 · 亚像素卷积 · 基于学习的上采样
超分上采样
24
立体匹配中的损失函数
L1/L2损失 · 平滑L1 · 多尺度损失 · 梯度损失
损失梯度
25
数据增强与泛化
颜色抖动 · 几何变换 · 遮挡模拟 · 光照变化
增强泛化
26
立体匹配数据集
Middlebury · KITTI · SceneFlow · ETH3D · DrivingStereo
数据集基准
27
模型部署与加速
TensorRT优化 · ONNX导出 · 量化 · 剪枝
部署加速
28
立体匹配在自动驾驶中的应用
障碍物检测 · 可通行区域估计 · 3D目标检测
自动驾驶3D检测
29
立体匹配在机器人中的应用
SLAM · 抓取 · 避障 · 三维重建
机器人SLAM
30
立体匹配在AR/VR中的应用
深度感知 · 虚拟物体融合 · 手势交互
AR/VR交互