在立體匹配技術(shù)領(lǐng)域，半全局匹配（Semi-Global Matching，SGM）算法因其兼顧精度與效率的顯著優(yōu)勢，成為工業(yè)級雙目測距系統(tǒng)中的核心技術(shù)。由 Hirschmüller 于 2005 年提出的 SGM 算法，通過融合局部匹配的快速性與全局匹配的魯棒性，解決了傳統(tǒng)方法在遮擋區(qū)域、弱紋理區(qū)域的匹配難題。立體匹配的本質(zhì)是在左右視圖中為每個(gè)像素尋找對應(yīng)匹配點(diǎn)，其性能直接決定視差圖質(zhì)量。傳統(tǒng)局部匹配算法（如塊匹配）通過計(jì)算像素鄰域的相似度確定匹配點(diǎn)，雖速度快但易受噪聲和紋理缺失影響；全局匹配算法（如 Graph-Cut）通過能量函數(shù)優(yōu)化求解全局最優(yōu)解，雖精度高但計(jì)算復(fù)雜度呈指數(shù)級增長，難以滿足實(shí)時(shí)性要求。SGM 算法提出 “半全局” 策略：通過在多個(gè)方向上進(jìn)行一維代價(jià)聚合，近似實(shí)現(xiàn)二維全局優(yōu)化。其核心思想可概括為 “以線代面”—— 在 8 個(gè)（或 16 個(gè)）不同方向上計(jì)算路徑代價(jià)，將各方向的聚合代價(jià)累加作為最終匹配代價(jià)。這種設(shè)計(jì)既規(guī)避了全局算法的高復(fù)雜度，又通過多方向信息融合提升了匹配魯棒性，使算法能在普通 GPU 上實(shí)現(xiàn)實(shí)時(shí)運(yùn)行（幀率≥30fps）。

代價(jià)計(jì)算是 SGM 的第一步，目的是量化左右視圖中像素的匹配程度，生成初始代價(jià)體積（Cost Volume）。初始代價(jià)需能有效區(qū)分匹配與非匹配像素，常用方法包括基于像素值的度量和基于變換特征的度量?；谙袼刂档亩攘恐校?/span>SAD（Sum of Absolute Differences）計(jì)算左右像素塊對應(yīng)位置的灰度差絕對值之和，公式為 SAD (u,v,d) = Σ|I?(u+i,v+j) - I?(u+i-d,v+j)|，其中 (u,v) 為像素坐標(biāo)，d 為視差假設(shè)，I?、I?分別為左右視圖灰度值，SAD 計(jì)算簡單但對光照變化敏感；SSD（Sum of Squared Differences）通過平方差放大像素差異，對噪聲更敏感但能增強(qiáng)匹配峰度?；谔卣髯儞Q的度量中，Census 變換將像素灰度值轉(zhuǎn)換為二進(jìn)制特征向量，通過比較鄰域像素與中心像素的大小關(guān)系（大于為 1，小于為 0）生成抗光照變化的特征，Census 代價(jià)通過計(jì)算二進(jìn)制向量的漢明距離獲得，對光照魯棒性強(qiáng)，是 SGM 的常用選擇。初始代價(jià)體積的維度為 H×W×D（高度 × 寬度 × 最大視差），每個(gè)元素代表像素在某視差假設(shè)下的匹配代價(jià)，值越小表示匹配度越高。

代價(jià)聚合是 SGM 的核心創(chuàng)新，通過在多個(gè)方向上傳播匹配代價(jià)，實(shí)現(xiàn)對局部噪聲的抑制和遮擋區(qū)域的魯棒處理。傳統(tǒng)局部匹配僅在固定窗口內(nèi)聚合代價(jià)，易受窗口尺寸影響；而 SGM 通過動(dòng)態(tài)規(guī)劃在一維路徑上聚合代價(jià)，再融合多方向結(jié)果，近似全局優(yōu)化效果。對每個(gè)像素 (u,v) 和視差 d，沿某一方向（如水平、垂直、45°、135° 等）的聚合代價(jià) L 可通過遞歸計(jì)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, min?L (u',v',k)+P2] - min?L (u',v',d)，其中 C (u,v,d) 為初始代價(jià)，(u',v') 為路徑上的前一個(gè)像素，P1 為小懲罰項(xiàng)（用于懲罰視差連續(xù)變化 1 的情況），P2 為大懲罰項(xiàng)（用于懲罰視差跳變超過 1 的情況），最后一項(xiàng) min?L (...) 用于歸一化，避免代價(jià)累積溢出。該公式通過動(dòng)態(tài)規(guī)劃實(shí)現(xiàn)：在路徑上傳播時(shí)，既考慮當(dāng)前像素的初始代價(jià)，也參考前序像素在不同視差下的最優(yōu)代價(jià)，通過懲罰視差突變實(shí)現(xiàn)平滑約束。SGM 通常選擇 8 個(gè)方向（0°、45°、90°、135°、180°、225°、270°、315°）進(jìn)行路徑聚合，每個(gè)方向生成獨(dú)立的聚合代價(jià)圖，最終聚合代價(jià)通過累加所有方向的聚合代價(jià)獲得：S (u,v,d) = ΣL?(u,v,d)（i=1..8）。多方向融合的意義在于：不同方向的路徑能捕捉場景中不同結(jié)構(gòu)的連續(xù)性（如水平路徑適合處理地平線，垂直路徑適合處理柱狀物體），通過互補(bǔ)信息抑制局部歧義，尤其對遮擋區(qū)域（某一方向路徑被遮擋時(shí)，其他方向仍能提供有效信息）具有顯著優(yōu)化效果。