【论文学习笔记-5】立体匹配之MC-CNN

本篇博客主要关注MC-CNN的SGM及后处理部分。

Cross-based cost aggregation

如上图所示的十字架聚合法,对costvolume中每个像素进行上下左右四个方向的十字架延伸，各方向延伸长度由如下两个因素控制：
①当十字架中心像素和待延伸像素的pixel intensity的绝对值差小于阈值；
②当两像素点的空间距离小于阈值。
以上两点同时满足时进行延伸。在左右图中均进行如上操作，联合区域定义为：

聚合采用求取平均值，并进行迭代（希望迭代收敛？)：

SGM过程

除了传统的p1,p2外，mc-cnn还加入了q1，q2进行惩罚值放缩，是否采用以及采用何种放缩手段由下列判断决定：
首先设置intensity阈值sgm_D，并设：