几周前，我实现了一个简单的块匹配立体算法，但结果很糟糕。所以我在互联网上搜索找到更好的算法。在那里我找到了Heiko Hirschmueller 出版的半全局匹配 (SGM) 。它在处理时间方面获得了最好的结果之一。
正如您在此处看到的，我已经实现了该算法并获得了非常好的结果（与简单的块匹配相比）：
我使用计算出的视差值将 2D 点重新投影到 3D，结果如下
在 SGM 结束时，我有一个包含每个像素的汇总成本的数组。视差相当于成本值最低的指标。
问题是，搜索最小值只返回离散值。这会在点云中产生单独的层。换句话说：圆形表面被切割成许多层（见点云）。
Heiko 在他的论文中提到，通过将多项式函数拟合到成本数组中并以最低点作为视差，很容易获得亚像素精度。
这个问题并不局限于立体视觉，所以换句话说，任务如下：
- given：一个值数组，表示一个多项式函数。
- Wanted：多项式函数的最低点。
我不知道该怎么做。我需要一个快速算法，因为我必须为图像中的每个像素运行此代码
例如：500x500 像素，每个成本 60-200 => 算法必须运行 15000000-50000000 次！！）。
我不需要实时解决方案！我当前的 SGM 实现（L2R 和 R2L 匹配，还没有 cuda 或多线程）需要大约 20 秒来处理 500x500 像素的图像；）。
我不要求图书馆！我尝试实现自己的独立计算机视觉库:)。
谢谢您的帮助！
亲切的问候， 安德烈亚斯