文档介绍：从双目到多目
水平多目图象
倒距离
水平多目立体匹配
1
视觉计算
2021/1/15
通过计算多对图象间平方差的和（sum of squared difference，SSD）来减少总体的误匹配
水平多目图象
2
视觉计算
2021/1/15
水平多目图象
{}
{}
SSD
3
视觉计算
2021/1/15
倒距离
{(), ()}
SSD
4
视觉计算
2021/1/15
倒距离
将对应M个倒距离的SSD求和，则得到SSSD（sum of SSD）
5
视觉计算
2021/1/15
倒距离
考虑前述在x和x + p处有相同模式的问题
这里随Bi的变化，虽然tp也会变化，而ti却不变化
6
视觉计算
2021/1/15
倒距离
考虑：f (x)是一个周期函数，其周期是T。这样每个St(x, t)都是 t 的周期函数，其周期是T/Bil。这表明每隔一个T/Bil区段就有一个极小值。当使用两个基线，得到的仍然是 t 的周期函数，但它的周期T12会增加为：
这里LCM代表最小公倍数。可见T12不会比T1或T2小。进一步，通过选择合适的基线B1和B2，有可能使得在匹配搜索区间仅有一个极小值
7
视觉计算
2021/1/15
正交三目立体匹配
另一类三目形式
基本原理
基于梯度分类的正交匹配
8
视觉计算
2021/1/15
基本原理
水平多目解决了灰度周期性模式带来的问题
另一个问题：灰度光滑区域造成的误匹配
水平多目解决不了光滑区域造成的误匹配
{P. 132}
9
视觉计算
2021/1/15
基本原理
设dh = dv= d，对应水平方向和垂直方向的SSD分别为：
正交视差度量函数
10
视觉计算
2021/1/15