OpenCV 4.11.0
开源计算机视觉
加载中…
搜索中…
无匹配项
cv::StereoSGBM 类参考抽象

该类实现了改进的 H. Hirschmuller 算法 [125],它与原始算法的不同之处如下:更多…

#include <opencv2/calib3d.hpp>

cv::StereoSGBM 的协作图

公共类型

枚举 {
  MODE_SGBM = 0 ,
  MODE_HH = 1 ,
  MODE_SGBM_3WAY = 2 ,
  MODE_HH4 = 3
}
 
- 从 cv::StereoMatcher 继承的公共类型
枚举 {
  DISP_SHIFT = 4 ,
  DISP_SCALE = (1 << DISP_SHIFT)
}
 

公共成员函数

virtual int getMode () const =0
 
virtual int getP1 () const =0
 
virtual int getP2 () const =0
 
virtual int getPreFilterCap () const =0
 
virtual int getUniquenessRatio () const =0
 
virtual void setMode (int mode)=0
 
virtual void setP1 (int P1)=0
 
virtual void setP2 (int P2)=0
 
virtual void setPreFilterCap (int preFilterCap)=0
 
virtual void setUniquenessRatio (int uniquenessRatio)=0
 
- 从 cv::StereoMatcher 继承的公共成员函数
virtual void compute (InputArray left, InputArray right, OutputArray disparity)=0
 计算指定立体图像对的视差图。
 
virtual int getBlockSize () const =0
 
virtual int getDisp12MaxDiff () const =0
 
virtual int getMinDisparity () const =0
 
virtual int getNumDisparities () const =0
 
virtual int getSpeckleRange () const =0
 
virtual int getSpeckleWindowSize () const =0
 
virtual void setBlockSize (int blockSize)=0
 
virtual void setDisp12MaxDiff (int disp12MaxDiff)=0
 
virtual void setMinDisparity (int minDisparity)=0
 
virtual void setNumDisparities (int numDisparities)=0
 
virtual void setSpeckleRange (int speckleRange)=0
 
virtual void setSpeckleWindowSize (int speckleWindowSize)=0
 
- 从 cv::Algorithm 继承的公共成员函数
 Algorithm ()
 
virtual ~Algorithm ()
 
virtual void clear ()
 清除算法状态。
 
virtual bool empty () const
 如果 Algorithm 为空(例如,在开始时或读取失败后),则返回 true。
 
virtual String getDefaultName () const
 
virtual void read (const FileNode &fn)
 从文件存储中读取算法参数。
 
virtual void save (const String &filename) const
 
void write (const Ptr< FileStorage > &fs, const String &name=String()) const
 
virtual void write (FileStorage &fs) const
 将算法参数存储到文件存储中。
 
void write (FileStorage &fs, const String &name) const
 

静态公共成员函数

static Ptr< StereoSGBMcreate (int minDisparity=0, int numDisparities=16, int blockSize=3, int P1=0, int P2=0, int disp12MaxDiff=0, int preFilterCap=0, int uniquenessRatio=0, int speckleWindowSize=0, int speckleRange=0, int mode=StereoSGBM::MODE_SGBM)
 创建 StereoSGBM 对象。
 
- 从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tpload (const String &filename, const String &objname=String())
 从文件中加载算法。
 
template<typename _Tp >
static Ptr< _TploadFromString (const String &strModel, const String &objname=String())
 从字符串加载算法。
 
template<typename _Tp >
static Ptr< _Tpread (const FileNode &fn)
 从文件节点读取算法。
 

其他继承成员

- 从 cv::Algorithm 继承的受保护成员函数
void writeFormat (FileStorage &fs) const
 

详细描述

该类实现了改进的 H. Hirschmuller 算法 [125],它与原始算法的不同之处在于

  • 默认情况下,该算法是单遍的,这意味着您只考虑 5 个方向而不是 8 个。在 createStereoSGBM 中设置 mode=StereoSGBM::MODE_HH 可运行该算法的完整版本,但请注意,它可能会消耗大量内存。
  • 该算法匹配块,而不是单个像素。但是,设置 blockSize=1 会将块减少到单个像素。
  • 未实现互信息代价函数。而是使用了来自[28] 的更简单的 Birchfield-Tomasi 亚像素度量。尽管如此,也支持彩色图像。
  • 包含了来自 K. Konolige 算法 StereoBM 的一些预处理和后处理步骤,例如:预滤波(StereoBM::PREFILTER_XSOBEL 类型)和后滤波(唯一性检查、二次插值和斑点滤波)。
注意
  • (Python) 一个示例,演示了如何使用 StereoSGBM 匹配算法,可以在 opencv_source_code/samples/python/stereo_match.py 中找到。

成员枚举文档

◆ 匿名枚举

匿名枚举
枚举器
MODE_SGBM 
MODE_HH 
MODE_SGBM_3WAY 
MODE_HH4 

成员函数文档

◆ create()

static Ptr< StereoSGBM > cv::StereoSGBM::create ( int minDisparity = 0,
int numDisparities = 16,
int blockSize = 3,
int P1 = 0,
int P2 = 0,
int disp12MaxDiff = 0,
int preFilterCap = 0,
int uniquenessRatio = 0,
int speckleWindowSize = 0,
int speckleRange = 0,
int mode = StereoSGBM::MODE_SGBM )
静态
Python
cv.StereoSGBM.create([, minDisparity[, numDisparities[, blockSize[, P1[, P2[, disp12MaxDiff[, preFilterCap[, uniquenessRatio[, speckleWindowSize[, speckleRange[, mode]]]]]]]]]]]) -> 返回值
cv.StereoSGBM_create([, minDisparity[, numDisparities[, blockSize[, P1[, P2[, disp12MaxDiff[, preFilterCap[, uniquenessRatio[, speckleWindowSize[, speckleRange[, mode]]]]]]]]]]]) -> 返回值

创建 StereoSGBM 对象。

参数
minDisparity最小可能的视差值。通常为零,但有时校正算法会移动图像,因此需要相应地调整此参数。
numDisparities最大视差减去最小视差。该值始终大于零。在当前实现中,此参数必须能被 16 整除。
blockSize匹配块大小。它必须是大于等于 1 的奇数。通常,它应该在 3..11 范围内。
P1控制视差平滑度的第一个参数。见下文。
P2控制视差平滑度的第二个参数。值越大,视差越平滑。P1 是相邻像素之间视差变化正负 1 的惩罚。P2 是相邻像素之间视差变化大于 1 的惩罚。算法要求 P2 > P1。请参阅 stereo_match.cpp 示例,其中显示了一些合理的 P1 和 P2 值(例如分别为 8*number_of_image_channels*blockSize*blockSize 和 32*number_of_image_channels*blockSize*blockSize)。
disp12MaxDiff左右视差检查中允许的最大差异(以整数像素单位)。将其设置为非正值以禁用检查。
preFilterCap预滤波图像像素的截断值。算法首先计算每个像素的 x 导数,并将其值裁剪到 [-preFilterCap, preFilterCap] 区间。结果值将传递给 Birchfield-Tomasi 像素代价函数。
uniquenessRatio最佳(最小)计算代价函数值应比次佳值“胜出”的百分比裕度,以认为找到的匹配正确。通常,5-15 范围内的值就足够了。
speckleWindowSize要将其噪点斑点视为无效的平滑视差区域的最大大小。将其设置为 0 以禁用斑点滤波。否则,将其设置为 50-200 范围内的某个值。
speckleRange每个连通分量内的最大视差变化。如果进行斑点滤波,请将参数设置为正值,它将隐式地乘以 16。通常,1 或 2 就足够了。
mode将其设置为 StereoSGBM::MODE_HH 以运行全面的两遍动态规划算法。它将消耗 O(W*H*numDisparities) 字节,对于 640x480 立体图像来说很大,对于高清图像来说则非常大。默认情况下,将其设置为 false。

第一个构造函数使用所有默认参数初始化 StereoSGBM。因此,您只需至少设置 StereoSGBM::numDisparities。第二个构造函数使您可以将每个参数设置为自定义值。

◆ getMode()

virtual int cv::StereoSGBM::getMode ( ) const
纯虚函数
Python
cv.StereoSGBM.getMode() -> 返回值

◆ getP1()

virtual int cv::StereoSGBM::getP1 ( ) const
纯虚函数
Python
cv.StereoSGBM.getP1() -> 返回值

◆ getP2()

virtual int cv::StereoSGBM::getP2 ( ) const
纯虚函数
Python
cv.StereoSGBM.getP2() -> 返回值

◆ getPreFilterCap()

virtual int cv::StereoSGBM::getPreFilterCap ( ) const
纯虚函数
Python
cv.StereoSGBM.getPreFilterCap() -> 返回值

◆ getUniquenessRatio()

virtual int cv::StereoSGBM::getUniquenessRatio ( ) const
纯虚函数
Python
cv.StereoSGBM.getUniquenessRatio() -> 返回值

◆ setMode()

virtual void cv::StereoSGBM::setMode ( int mode)
纯虚函数
Python
cv.StereoSGBM.setMode(mode) ->

◆ setP1()

virtual void cv::StereoSGBM::setP1 ( int P1)
纯虚函数
Python
cv.StereoSGBM.setP1(P1) ->

◆ setP2()

virtual void cv::StereoSGBM::setP2 ( int P2)
纯虚函数
Python
cv.StereoSGBM.setP2(P2) ->

◆ setPreFilterCap()

virtual void cv::StereoSGBM::setPreFilterCap ( int preFilterCap)
纯虚函数
Python
cv.StereoSGBM.setPreFilterCap(preFilterCap) ->

◆ setUniquenessRatio()

virtual void cv::StereoSGBM::setUniquenessRatio ( int uniquenessRatio)
纯虚函数
Python
cv.StereoSGBM.setUniquenessRatio(uniquenessRatio) ->

此类的文档是从以下文件生成的: