各位好，今天咱们聊聊SGM立体匹配的六连击。事情还得从2008年的CVPR说起，虽然那时候我刚入门，感觉这玩意像个“高冷学霸”，读不懂、写不全，后面处理全靠挑着做。直到最近又把这篇经典论文完整啃完，才发现它其实挺亲民。作者给咱们准备好了三大假设，就像三把钥匙，把弱纹理、视差优化和平行近似这些“保险箱”依次给咱们打开了。咱们按“框架—代价—聚合—视差—优化—填充”这六步，把这经典套路好好拆解拆解。 先说说这三大假设，它们是算法的“压舱石”。虽然不能说是绝对真理，但在多数场景下是行得通的，给后续优化铺好了路。第一点是弱纹理区不存在视差非连续，说白了就是颜色差别不大的地方视差应该是连续的。像那种纯黑纯白的区域因为没纹理就别算了，得有一点能看得见的纹理才行。第三点说的是表面能近似成平面，圆柱圆锥这种可能会出bug的情况先不管它，反正室内的墙面地板够平。 有了假设就得去干正事。首先得用Mean-Shift算法把影像切成好多个子块Si，每个块里像素颜色都差不多。OpenCV里的例子很清楚，红点聚在一块儿的地方就是颜色同质区。太小的碎块直接扔了不浪费算力，剩下的大块就是咱们的优化目标。 然后在每个大块Si里面继续找视差连通块Sik，这是像素视差相近标签也一致的密集区域。要是块里啥都没找到也别慌，就按第二个假设来办：既然没可见纹理算法直接“罢工”，规则透明咱们心里都有数。 接下来就是平面拟合了。既然假设表面是个平面，咱们就对每个Si里的所有Sik分别拟合个平面Fik。能量函数Eik设计得很巧妙：Eik等于λ乘上残差再加上1减λ乘上差值。这个λ用来权衡平滑和忠诚度，论文默认是0.5。找到能量最小的平面就是最优的视差平面，剩下的无效像素视差值都按这个方程算出来。 最后一步是把结果写回原图去修复。遮挡的地方按以前讲过的规则标记出来；没遮挡的弱纹理块直接用平面外推值填进去；边缘和交界处留着原来的结果不动，免得过度平滑把细节抹掉。 这就好比从假设到分割再到拟合填充，SGM用一套看似简单的流程把立体匹配里最难啃的“硬骨头”——弱纹理给解决了。它虽然不是完美无缺的但路子很正：先降维再升维，用平面近似代替三维非线性优化，既保了速度又守住了精度。学会这招再遇到灰白墙、镜面、玻璃这类“送分题”，你也能让算法稳稳当当交卷了。 这次分享就到这儿了！