当前位置:首页 > 嵌入式 > 嵌入式分享

在立体匹配技术领域,半全局匹配(Semi-Global Matching,SGM)算法因其兼顾精度与效率的显著优势,成为工业级双目测距系统中的核心技术。由 Hirschmüller 于 2005 年提出的 SGM 算法,通过融合局部匹配的快速性与全局匹配的鲁棒性,解决了传统方法在遮挡区域、弱纹理区域的匹配难题。立体匹配的本质是在左右视图中为每个像素寻找对应匹配点,其性能直接决定视差图质量。传统局部匹配算法(如块匹配)通过计算像素邻域的相似度确定匹配点,虽速度快但易受噪声和纹理缺失影响;全局匹配算法(如 Graph-Cut)通过能量函数优化求解全局最优解,虽精度高但计算复杂度呈指数级增长,难以满足实时性要求。SGM 算法提出 “半全局” 策略:通过在多个方向上进行一维代价聚合,近似实现二维全局优化。其核心思想可概括为 “以线代面”—— 在 8 个(或 16 个)不同方向上计算路径代价,将各方向的聚合代价累加作为最终匹配代价。这种设计既规避了全局算法的高复杂度,又通过多方向信息融合提升了匹配鲁棒性,使算法能在普通 GPU 上实现实时运行(帧率≥30fps)。

代价计算是 SGM 的第一步,目的是量化左右视图中像素的匹配程度,生成初始代价体积(Cost Volume)。初始代价需能有效区分匹配与非匹配像素,常用方法包括基于像素值的度量和基于变换特征的度量。基于像素值的度量中,SAD(Sum of Absolute Differences)计算左右像素块对应位置的灰度差绝对值之和,公式为 SAD (u,v,d) = Σ|Iₗ(u+i,v+j) - Iᵣ(u+i-d,v+j)|,其中 (u,v) 为像素坐标,d 为视差假设,Iₗ、Iᵣ分别为左右视图灰度值,SAD 计算简单但对光照变化敏感;SSD(Sum of Squared Differences)通过平方差放大像素差异,对噪声更敏感但能增强匹配峰度。基于特征变换的度量中,Census 变换将像素灰度值转换为二进制特征向量,通过比较邻域像素与中心像素的大小关系(大于为 1,小于为 0)生成抗光照变化的特征,Census 代价通过计算二进制向量的汉明距离获得,对光照鲁棒性强,是 SGM 的常用选择。初始代价体积的维度为 H×W×D(高度 × 宽度 × 最大视差),每个元素代表像素在某视差假设下的匹配代价,值越小表示匹配度越高。

代价聚合是 SGM 的核心创新,通过在多个方向上传播匹配代价,实现对局部噪声的抑制和遮挡区域的鲁棒处理。传统局部匹配仅在固定窗口内聚合代价,易受窗口尺寸影响;而 SGM 通过动态规划在一维路径上聚合代价,再融合多方向结果,近似全局优化效果。对每个像素 (u,v) 和视差 d,沿某一方向(如水平、垂直、45°、135° 等)的聚合代价 L 可通过递归计算:L (u,v,d) = C (u,v,d) + min [L (u',v',d), L (u',v',d-1)+P1, L (u',v',d+1)+P1, minₖL (u',v',k)+P2] - minₖL (u',v',d),其中 C (u,v,d) 为初始代价,(u',v') 为路径上的前一个像素,P1 为小惩罚项(用于惩罚视差连续变化 1 的情况),P2 为大惩罚项(用于惩罚视差跳变超过 1 的情况),最后一项 minₖL (...) 用于归一化,避免代价累积溢出。该公式通过动态规划实现:在路径上传播时,既考虑当前像素的初始代价,也参考前序像素在不同视差下的最优代价,通过惩罚视差突变实现平滑约束。SGM 通常选择 8 个方向(0°、45°、90°、135°、180°、225°、270°、315°)进行路径聚合,每个方向生成独立的聚合代价图,最终聚合代价通过累加所有方向的聚合代价获得:S (u,v,d) = ΣLᵢ(u,v,d)(i=1..8)。多方向融合的意义在于:不同方向的路径能捕捉场景中不同结构的连续性(如水平路径适合处理地平线,垂直路径适合处理柱状物体),通过互补信息抑制局部歧义,尤其对遮挡区域(某一方向路径被遮挡时,其他方向仍能提供有效信息)具有显著优化效果。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

在嵌入式系统开发中,整型溢出是引发安全漏洞和系统故障的常见原因。据MITRE统计,CWE-190(整数溢出)位列嵌入式安全漏洞前三。本文从工程实践角度,探讨边界检查算法与数据类型选择的协同防护策略。

关键字: 边界检查算法 嵌入式系统 整型溢出

在嵌入式系统广泛应用的今天,网络通信已成为其不可或缺的功能。然而,受限于资源、功耗和实时性要求,嵌入式系统中的TCP/IP协议栈性能优化成为关键挑战。本文将从协议栈选型、参数调优、硬件加速及代码优化等方面,探讨嵌入式系统...

关键字: 网络协议栈 嵌入式系统

在资源受限的嵌入式设备(如MCU、低功耗AI芯片)上部署深度学习模型时,需解决存储占用、计算延迟、功耗限制三大挑战。TinyML通过模型量化与推理加速技术,将ResNet、MobileNet等模型压缩至KB级,实现边缘设...

关键字: TinyML 嵌入式AI

在嵌入式系统资源受限与功能扩展的双重压力下,模块化开发已成为提升软件可维护性的核心策略。通过将系统拆分为独立功能模块,结合清晰的接口定义与分层架构,可在STM32等MCU上实现代码复用率提升40%、缺陷修复周期缩短60%...

关键字: 模块化开发 软件架构设计

在嵌入式系统、工业物联网等各类电子设备中,UART与网口是两种应用广泛的通信接口,前者作为经典的串行通信接口,承担着简单设备互联、调试日志传输等基础任务,后者则专注于高速、远距离的数据交互,是设备接入网络、实现大数据量传...

关键字: 嵌入式 通信接口 网口通讯

在资源受限的嵌入式场景中,根文件系统(RootFS)的体积与功耗直接影响产品成本与用户体验。基于Yocto构建的轻量级根文件系统,通过精准裁剪与动态功耗管理,可将系统体积压缩至30MB以内,同时降低30%以上的待机功耗。...

关键字: Yocto 根文件 RootFS

在嵌入式硬件调试中,时钟抖动和电源轨噪声是影响系统稳定性的两大关键因素。示波器作为核心调试工具,通过其高级触发、频谱分析和眼图测试功能,可精准定位问题根源。本文以泰克MDO4000C系列示波器为例,解析时钟抖动与电源噪声...

关键字: 示波器 嵌入式硬件 时钟抖动

嵌入式系统开发中,硬件与软件高度耦合,复杂度高,一次性集成所有模块调试极易陷入“问题定位难、复现率低”的困境。分步调试法通过“最小功能验证→模块逐步扩展→多模块协同”的渐进式策略,可显著提升调试效率。本文以STM32微控...

关键字: 嵌入式系统 分步调试法

在嵌入式系统向智能化、高性能化演进的浪潮中,RISC-V开源指令集架构凭借其模块化设计和可扩展性,成为硬件加速领域的重要推动力。结合FPGA的可重构特性,基于RISC-V的硬件乘法器实现方案正逐步打破传统架构的性能瓶颈,...

关键字: RISC-V FPGA

在物联网设备、可穿戴设备等嵌入式场景中,电池寿命是制约产品竞争力的核心指标。低功耗设计需贯穿硬件选型、系统架构到软件策略的全流程,其中休眠模式切换与电源管理芯片(PMIC)的精细配置是关键环节。本文从实际工程角度,解析如...

关键字: 低功耗设计 PMIC配置 嵌入式系统
关闭