理论恒叨系列 【理论恒叨】【立体匹配系列】经典SGM：（1）匹配代价计算之互信息（MI） 【理论恒叨】【立体匹配系列】经典SGM：（2）匹配代价计算之Census变换 【理论恒叨】【立体匹配系列】经典SGM：（3）代价聚合（Cost Aggregation） 【理论恒叨】【立体匹配系列】经典SGM：（4）视差计算、视差优化 【理论恒叨】【立体匹配系列】经典SGM：（2）匹

文章概括 这篇文章是对基于census transform的SGM的扩展，有两处改进的地方： 提出Center-Symmetric Census Transform，效果跟原来的census transform相比精度降低一点，但是计算效率和存储效率提高了，为了提高CSCT的精度，，提出加权汉明距离计算。文章中的权重是规定好的，可以考虑加入自适应权重来做。提出路径加权代价聚合策略（Weight