文章目录
一、基本原理
两个相机拍摄同一场景，形成左图 I L I_L IL 和右图 I R I_R IR，若场景中某点 P P P 在左图和右图的投影点分别为 p L p_L pL 和 p R p_R pR，它们之间的水平距离就是视差 d d d。
视差计算公式：
d = x L − x R d = x_L - x_R d=xL−xR
深度恢复公式：
Z = f ⋅ B d Z = \frac{f \cdot B}{d} Z=df⋅B
其中：
- Z Z Z：深度值
- f f f：相机焦距
- B B B：双目基线长度（相机间距）
- d d d：视差
二、主要处理流程
2.1. 匹配代价（Matching Cost）
（1）常见匹配代价函数
1. 绝对差（SAD，Sum of Absolute Differences）
最简单直接的度量方式，对亮度差进行绝对值计算：
C SAD ( x , y , d ) = ∣ I L ( x , y ) − I R ( x − d , y ) ∣ C_{\text{SAD}}(x, y, d) = |I_L(x, y) - I_R(x - d, y)| CSAD(x,y,d)=∣IL(x,y)−IR(x−d,y)∣
窗口版本：
C SAD ( x , y , d ) = ∑ ( u , v ) ∈ W ∣ I L ( x + u , y + v ) − I R ( x − d + u , y + v ) ∣ C_{\text{SAD}}(x, y, d) = \sum_{(u,v) \in \mathcal{W}} |I_L(x+u, y+v) - I_R(x - d + u, y + v)| CSAD(x,y,d)=(u,v)∈W∑∣IL(x+u,y+v)−IR(x−d+u,y+v)∣
优点： 快速、简单
缺点： 对光照变化敏感，窗口大小固定易模糊边界
2. 平方差（SSD，Sum of Squared Differences）
对亮度差平方，加大离群像素的惩罚：
C SSD ( x , y , d ) = ( I L ( x , y ) − I R ( x − d , y ) ) 2 C_{\text{SSD}}(x, y, d) = (I_L(x, y) - I_R(x - d, y))^2 CSSD(x,y,d)=(IL(x,y)−IR(x−d,y))2
窗口版本：
C SSD ( x , y , d ) = ∑ ( u , v ) ∈ W ( I L ( x + u , y + v ) − I R ( x − d + u , y + v ) ) 2 C_{\text{SSD}}(x, y, d) = \sum_{(u,v) \in \mathcal{W}} (I_L(x+u, y+v) - I_R(x - d + u, y + v))^2 CSSD(x,y,d)=(u,v)∈W∑(IL(x+u,y+v)−IR(x−d+u,y+v))2
优点： 更平滑，惩罚大误差
缺点： 对噪声更敏感，不鲁棒
3. 归一化互相关（NCC，Normalized Cross-Correlation）
考虑局部均值和标准差，抑制光照变化：
C NCC ( x , y , d ) = ∑ ( u , v ) ∈ W ( I L ( u , v ) − μ L ) ( I R ( u − d , v ) − μ R ) σ L ⋅ σ R C_{\text{NCC}}(x, y, d) = \frac{\sum_{(u,v) \in \mathcal{W}} (I_L(u,v) - \mu_L)(I_R(u - d,v) - \mu_R)}{\sigma_L \cdot \sigma_R} CNCC(x,y,d)=σL⋅σR∑(u,v)∈W(IL(u,v)−μL)(IR(u−d,v)−μR)
其中：
- μ L , μ R \mu_L, \mu_R μL,μR 是窗口内左/右图的均值
- σ L , σ R \sigma_L, \sigma_R σL,σR 是窗口内的标准差
优点： 对亮度变化鲁棒
缺点： 计算复杂，适合浮点图像
4. Census 变换
将图像转换为局部结构描述符，再计算汉明距离（Hamming distance）：
对每个像素构造一个比中心像素大的/小的位图（binary pattern）：
Census ( x , y ) = ⋃ ( u , v ) ∈ W [ I ( x + u , y + v ) < I ( x , y ) ] \text{Census}(x,y) = \bigcup_{(u,v) \in \mathcal{W}} [I(x+u, y+v) < I(x, y)] Census(x,y)=(u,v)∈W⋃[I(x+u,y+v)<I(x,y)]
匹配代价为二进制描述符间的汉明距离：
C Census ( x , y , d ) = Hamming ( C L ( x , y ) , C R ( x − d , y ) ) C_{\text{Census}}(x, y, d) = \text{Hamming}(C_L(x,y), C_R(x-d,y)) CCensus(x,y,d)=Hamming(CL(x,y),CR(x−d,y))
优点： 对光照变化极强的鲁棒性
缺点： 描述符计算稍复杂，且损失精度信息
（2）匹配代价函数对比
| 场景 | 建议代价函数 |
|---|---|
| 计算资源少 | SAD / SSD |
| 光照变化明显（室外） | Census / Rank |
| 浮点图像 + 精度要求高 | NCC |
| 深度学习方法 | 使用特征卷积构造代价体 |
2.2. 代价体（Cost Volume）
代价体用于存储每个像素在不同视差假设下的匹配代价。
假设最大视差为 D D D，对于左图中每个像素 ( x , y ) (x, y) (x,y)，构建一个代价向量：
C ( x , y , d ) , d ∈ [ 0 , D ] C(x, y, d), \quad d \in [0, D] C(x,y,d),d∈[0,D]
每个 C ( x , y , d ) C(x, y, d) C(x,y,d) 表示左图 ( x , y ) (x, y) (x,y) 与右图 ( x − d , y ) (x - d, y) (x−d,y) 的匹配代价。
2.3. 代价聚合（Cost Aggregation）
从像素级匹配代价到稠密视差图的关键处理步骤，其核心目标是通过整合局部邻域或全局上下文的信息，抑制噪声并增强匹配的准确性。
常见方法：
- 窗口聚合（Box Filter）：简单快速，但容易在物体边界模糊
- 引导滤波（Guided Filter）：保边性强
- Cross-Based Cost Aggregation：自适应支持区域，提高边界处理能力
2.4. 视差计算（Disparity Computation）
最常见的是WTA策略（Winner Takes All），对每个像素选择代价最小的视差：
d ( x , y ) = arg min d C ( x , y , d ) d(x, y) = \arg\min_d C(x, y, d) d(x,y)=argdminC(x,y,d)
2.5. 视差优化（Disparity Refinement）
包括：
左右一致性检测（Left-Right Consistency Check）：
- 计算左图→右图 和 右图→左图 的视差，剔除不一致点
空洞填补（Hole Filling）
亚像素插值（Subpixel Enhancement）
中值滤波、双边滤波等图像处理技术提升平滑性和边界精度
2.6. 深度恢复（Depth Recovery）
根据视差和相机参数，使用公式：
Z ( x , y ) = f ⋅ B d ( x , y ) Z(x, y) = \frac{f \cdot B}{d(x, y)} Z(x,y)=d(x,y)f⋅B
即可还原每个像素的深度值。