文 斌，朱 晗

（三峡大学电气与新能源学院，湖北宜昌 443000）

0 概述

立体匹配是指通过双摄像头中的二维场景，利用视差匹配获取三维场景的深度信息，被广泛地应用于移动机器人技术、3D 建模技术、航空航天［1］等领域，是双目立体视觉的重点和难点，立体匹配的精确度决定了立体视觉的最终效果。因此，研究更加高效、精确的立体匹配算法具有重要意义。

目前，立体匹配主要分为全局匹配和局部匹配两大类［2-3］，文献［4］根据双目立体匹配算法的特点进行归纳总结，将立体匹配算法分为匹配代价计算、代价聚合、视差计算和视差优化4 个部分。全局匹配是利用图像的全局约束信息构建全局能量函数，通过优化算法使得全局能量函数最小从而构建稠密视差图。虽然全局匹配精确度较高，但是全局匹配存在运算复杂、能量函数不易构建等问题。而对于局部匹配，由于其运算速度快、算法的复杂度低、能量函数易构建等优势，因此更加受到研究人员的青睐。

局部立体匹配主要是通过局部像素的代价聚合实现的，具有代表性的传统的代价聚合算法有SAD［5］、SSD［6］和NCC 归一化［7］匹配算法。SAD 和SSD 匹配算法计算量小、运算速度快，但是该算法的匹配准确度完全依赖于中心点的灰度值，并且由于其代价聚合是等价聚合，易受到低纹理区域以及视差不连续区域的干扰，产生大片的误匹配区域和视差空洞。NCC 归一化算法可以有效地降低光照对匹配的影响，但传统的NCC 算法运行较慢，且其匹配率对于SAD 算法而言没有优势。……