什么是SGBM

SGBM（Semi-Global Block Matching）是一種用于計算雙目視覺中視差（disparity）的半全局匹配算法，在OpenCV中的實現(xiàn)為semi-global block matching（SGBM）。它是基于全局匹配算法和局部匹配算法的優(yōu)缺點，提出了一種折中的方法，既能保證視差圖的質(zhì)量，又能降低計算復(fù)雜度。

SGBM的原理

SGBM的原理可以分為以下幾個步驟：

預(yù)處理：使用水平Sobel算子對左右圖像進(jìn)行邊緣檢測，得到梯度圖像。

匹配代價計算：對于每個像素，計算其在不同視差下與對應(yīng)像素的匹配代價，通常使用絕對差或平方差作為代價函數(shù)。

能量函數(shù)最小化：對于每個像素，定義一個能量函數(shù)，包括數(shù)據(jù)項和平滑項。數(shù)據(jù)項表示匹配代價，平滑項表示相鄰像素的視差連續(xù)性。使用動態(tài)規(guī)劃的方法，沿著多個方向（通常為8個或16個）計算累積代價，并求取最小值作為最終代價。

視差圖生成：對于每個像素，根據(jù)最終代價選擇最佳視差，并生成視差圖。

視差圖后處理：對于視差圖中的異常值或空洞，使用一些后處理方法進(jìn)行修復(fù)或填充，例如中值濾波、WLS濾波等。

SGBM的參數(shù)

SGBM的參數(shù)有以下幾個：

minDisparity：最小視差值，默認(rèn)為0。

numDisparities：視差范圍，默認(rèn)為16。必須是16的整數(shù)倍。

blockSize：匹配塊大小，默認(rèn)為3。必須是奇數(shù)且大于1。

P1：控制視差平滑度的第一個參數(shù)，默認(rèn)為8blockSizeblockSize。P1越大，越傾向于生成連續(xù)的視差圖。

P2：控制視差平滑度的第二個參數(shù)，默認(rèn)為32blockSizeblockSize。P2越大，越傾向于消除小的視差變化。P2必須大于P1。

disp12MaxDiff：左右一致性檢查時允許的最大視差差異，默認(rèn)為-1，表示不進(jìn)行檢查。

preFilterCap：預(yù)處理時截斷梯度值的上限，默認(rèn)為63。

uniquenessRatio：唯一性檢查時的閾值，默認(rèn)為10。表示最佳視差值與次佳視差值之間的比例要大于該閾值才被認(rèn)為是有效的。

speckleWindowSize：消除噪聲斑點時考慮的窗口大小，默認(rèn)為0，表示不進(jìn)行消除。

speckleRange：消除噪聲斑點時考慮的最大視差變化，默認(rèn)為0，表示不進(jìn)行消除。

mode：SGBM算法選擇模式，默認(rèn)為StereoSGBM::MODE_SGBM。可選值有StereoSGBM::MODE_SGBM_3WAY（速度快）、StereoSGBM::MODE_HH4（速度慢）、StereoSGBM::MODE_SGBM（速度中等）、StereoSGBM::MODE_HH（速度慢）。

SGBM的參數(shù)變化

下面通過調(diào)整每個參數(shù)來觀察其影響效果：初始值設(shè)置：

minDisparity=0
numDisparities=16
blockSize=3
P1=8*blockSize*blockSize
P2=32*blockSize*blockSize
disp12MaxDiff=-1
preFilterCap=63
uniquenessRatio=10
speckleWindowSize=0
speckleRange=0

numDisparities：視差數(shù)量越多，能夠獲取到更多詳細(xì)的深度信息。但是，增加視差數(shù)量也會增加計算量，可能會導(dǎo)致較慢的運(yùn)行速度以及噪聲增多，且增大numDisparities會擴(kuò)大視差范圍，即視差圖中可以估計的深度范圍增大。如果增大的視差范圍超過了場景中實際的深度范圍，就會出現(xiàn)黑色區(qū)域。黑色區(qū)域表示無法進(jìn)行有效的匹配或估計深度。

minDisparity：最小視差越大，物體離相機(jī)近的程度就會變小。如果提高最小視差，則可能會使視差圖被高估，因為物體不可能有大于最小視差的負(fù)的視差值。而如果最小視差過低，則可能會受到噪聲的影響，產(chǎn)生錯誤的視差值。

blockSize：所選的窗口大小越大，所包含的像素就越多，從而產(chǎn)生更穩(wěn)定，但粗略的視差圖。減小塊大小，可以獲得反之，一些銳利但可能嘈雜（即不確定）的視差邊緣。

P1 和 P2：兩種參數(shù)都是控制視差變化規(guī)則的，從而使結(jié)果更平滑，增加這些值會使抗噪聲能力更強(qiáng)但同時會失去保留銳度的細(xì)節(jié)。如果P1和P2參數(shù)值過小，則會使視差圖中出現(xiàn)許多噪聲或未對齊的圖像。如果參數(shù)值太高，將導(dǎo)致平滑的結(jié)果，丟失更多的細(xì)節(jié)和銳度。

disp12MaxDiff：這個參數(shù)用于限制左右視圖之間的最大視差數(shù)量差異。增加這個值可能會導(dǎo)致插值和未對齊的像素點在圖像中顯示。但太小的值，則視差較光滑，缺少細(xì)節(jié)特征。

uniquenessRatio：這個參數(shù)是用來控制像素值的唯一性，如果唯一性比例越高，則得到的視差圖的噪聲和未對齊的像素會越小。但如果唯一性比例太高，則有可能會失去細(xì)節(jié)特征。

speckleWindowSize：這個參數(shù)被用來濾除孤立噪點或者離群值，如果窗口太小，則沒有過濾到足夠的噪聲點而窗口太大則會損失一些細(xì)節(jié)特征。

speckleRange：這個參數(shù)規(guī)定一個視差變化的閾值，如果發(fā)現(xiàn)視差變化超出了這個閾值，則這個像素應(yīng)該是一些無用的孤立像素。適當(dāng)調(diào)整該參數(shù)可以使其過濾掉孤立的雜點和噪聲。

preFilterCap：該參數(shù)控制了像素的最大值。如果已經(jīng)將值限制在負(fù)值的范圍內(nèi)，那么它必須和像素值相比較，過濾掉那些值過大的像素點。

mode：SGBM算法的解釋模式，分別為SGBM，HHSGBM和SGBM_3WAY。這些模式包含了不同的參數(shù)設(shè)定，也會影響到視差圖的效果。

SGBM：這是默認(rèn)的解釋模式，也是最常用的模式。它代表了Semi-Global Block Matching (SGBM) 算法，該算法利用全局視差的一致性來獲得更準(zhǔn)確的視差圖。

HHSGBM：這代表了H.Hirschmüller的快速近似SGBM算法（H.Hirschmüller's Hierarchical Semi-Global Block Matching），是一種更快速的算法。它在速度上相對于標(biāo)準(zhǔn)SGBM算法有所優(yōu)化，但可能在某些情況下會犧牲一些準(zhǔn)確性。

SGBM_3WAY：這是一種三通道SGBM算法，它將輸入圖像的三個通道（BGR）分別作為獨(dú)立的視差圖像進(jìn)行處理。然后，將三個視差圖像中的像素最小化，從而得到最終的視差圖。這種方法可以改善處理彩色圖像時的準(zhǔn)確性。

—END—

審核編輯：劉清