这是一个基于CUDA加速的快速立体匹配库,它的核心是SemiglobalMatching(SGM)算法,它不仅在时间效率上要远远优于基于CPU的常规SGM,而且占用明显更少的内存,这意味着它不仅可以在较低分辨率(百万级)图像上达到实时的帧率,且完全具备处理千万级甚至更高量级图像的能力。
你可以拉取本测试工程并在自己的数据上体验它的改进效果,也可以在右侧下载已经打包好的压缩包,直接在本地运行控制台程序,或者在你的工程里通过动态库的方式调用它。
Windows 10
Visual Studio 2019
CUDA v11.0
Opencv3.2(下载地址:https://download.csdn.net/download/rs_lys/13193887)
../FasterStereoConsole.exe ../Data/Cone/left.png Data/Cone/right.png ../Data/Cone/option.xml
把../换成你的路径。option.xml是算法参数文件,在Data/文件夹中,附有两类参数文件option.xml和option2.xml,分别对应视差空间和深度空间的参数,二者用其一即可。不同的数据,需要对应修改option.xml文件的参数值。
关于视差范围有特殊要求:必须满足64x2n,如64、128、256、512。
使用过程中有任何问题,特别是算法BUG,请及时和我交流,感谢!
算法库为试用版,试用期1个月,若要续期,联系我!
微信:EthanYs6 邮箱:rs_lys@163.com
数据 | Cone | Kitti | Building |
---|---|---|---|
帧率 | 219.5 | 95.9 | 4.3 |
显存(M) | 277 | 397 | 6880 |
案例数据下载地址:https://download.csdn.net/download/rs_lys/13074343
测试平台:NVIDIA GTX1080
修改hosts
C:\Windows\System32\drivers\etc\hosts
在文件末尾添加:
# GitHub Start
192.30.253.119 gist.github.com
151.101.184.133 assets-cdn.github.com
151.101.184.133 raw.githubusercontent.com
151.101.184.133 gist.githubusercontent.com
151.101.184.133 cloud.githubusercontent.com
151.101.184.133 camo.githubusercontent.com
151.101.184.133 avatars0.githubusercontent.com
151.101.184.133 avatars1.githubusercontent.com
151.101.184.133 avatars2.githubusercontent.com
151.101.184.133 avatars3.githubusercontent.com
151.101.184.133 avatars4.githubusercontent.com
151.101.184.133 avatars5.githubusercontent.com
151.101.184.133 avatars6.githubusercontent.com
151.101.184.133 avatars7.githubusercontent.com
151.101.184.133 avatars8.githubusercontent.com
# GitHub End