本文翻譯的外國學者的一份talk，主要内容是關于立體視覺算法和應用的基礎知識。限于個人水準，如有疏漏之處請諒解。
大綱
1、介紹
2、立體視覺系統概述
3、視覺比對算法
4、計算優化
5、硬體實作
6、應用
代價聚合
幾種support的變化
1、可移動視窗(Shiftable Windows)
這個方法旨在減少固定視窗的邊界定位，并沒有将中心店固定在視窗的中心位置。
立體視覺：算法和應用（五）
2、組合視窗(Multiple Windows)
視窗中元素的個數是固定的，視窗的形狀不在僅僅局限于矩形，一般可以分為5,9,25個子視窗。
3、可變視窗(Variable Windows)
立體視覺：算法和應用（五）
基于分割幾種方法
根據互相連接配接的像素分割參考圖像，假定每個分割的部分平滑。在範圍内，視窗的形狀和尺寸不固定。參考圖像中每個部分，同一個部分賦予相同的權重值為1，非同一個部分的賦予一個遠小于1的權重。對于在支援視窗中的待比對點：支援視窗中屬同一分割區域的點權重為1，非同一分割區域的點權重遠小于1。
雙邊濾波法(Bilateral Filtering(BF))：雙邊濾波一種可以保護邊緣的平滑方法。以待比對點為中心，根據空間和顔色的接近程度賦予權重 。其中的權重指派可以選擇使用自适應權重(Adaptive Weights)的方法。若權重隻依賴顔色和分割，則可以變換為Segment Support法。其中SS,AW方法耗時很長，不适合實時性。
立體視覺：算法和應用（五）
立體視覺：算法和應用（五）
快速聚合法(Fast Aggregation)：假定分割部分平滑，而且隻分割參考圖像，采用非對稱的支援視窗。
立體視覺：算法和應用（五）
Fast Bilateral Stereo framework(FBS)：對稱的支援視窗，結合了自适應權值的精确性和傳統方法的有效性，提升了噪音的魯棒性，通過積分圖像/盒子濾波方案的均值來有效的pixel-wise代價計算。
Fast Segmentation-driven (FSD)：在塊的基礎上應用SS政策。
Locally Consistent (LC) stereo：通過模組化連續限制來利用相鄰像素的互相關系，運算速度快，通常結合其他算法來用。
O(1) adaptive cost aggregation：聚合獨立于視窗的尺寸，可以應用于彩色圖像。
Fast/simplified adaptive cost aggregation：非對稱的代價聚合，在一些被選擇的點上進行代價計算，在像素點子集上進行比對。