自适应构造与聚合多尺度代价体的双目立体匹配

TP391; 基于卷积神经网络的双目立体匹配算法取得了重要进展,但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征;然后设计可学习的特征增强模块,为各个尺度的匹配代价体恢复所需的细节信息;最后基于全局注意力对各尺度匹配代价体进行尺度内聚合,并提出自适应多尺度加权方法进行尺度间聚合,筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明:所提方法在较小网络规模的情况下取得了有竞争力...

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 44; no. 4; pp. 457 - 468
Main Authors 庞彦伟, 苏畅, 龙涛
Format Journal Article
LanguageChinese
Published 天津大学 电气自动化与信息工程学院,天津 300072 27.04.2023
Subjects
自适应聚合
双目立体匹配
匹配代价体
特征增强
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2023.04.001

Cover

More Information
Summary:TP391; 基于卷积神经网络的双目立体匹配算法取得了重要进展,但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征;然后设计可学习的特征增强模块,为各个尺度的匹配代价体恢复所需的细节信息;最后基于全局注意力对各尺度匹配代价体进行尺度内聚合,并提出自适应多尺度加权方法进行尺度间聚合,筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明:所提方法在较小网络规模的情况下取得了有竞争力的性能表现,验证了所提方法的有效性.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2023.04.001