-
题名基于细节信息增强的无监督双目立体匹配算法
被引量：1
- 1
-
-
作者
王晓峰
孙志恒
喻骏
孙贾梦
丁坤岭
舒航
-
机构
重庆科技大学数理与大数据学院
重庆科技大学电气工程学院
-
出处
《电子测量技术》
北大核心
2024年第5期94-101,共8页
-
基金
重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX0398,CSTB2022NSCQ-MSX1425)资助。
-
文摘
无监督立体匹配算法在自动驾驶等领域有重要的应用,然而无监督立体匹配算法在物体连续、边缘等细节信息区域的视差精度较低,本文提出了一种提高细节信息区域精度的无监督立体匹配算法。通过在特征金字塔网络中引入空间注意力机制和残差网络,设计了一种空间特征金字塔网络算法,抑制特征提取过程中边缘和小目标细节信息的丢失。构建了视差融合模块,将半全局立体匹配算法生成的原始视差和视差回归生成的初步视差进行置信度视差融合,提升连续细节信息区域的精度。对于网络损失函数,集成了原始视差监督损失和置信度遮挡损失,保留更多图像边缘和连续区域处的细节信息。实验结果表明,本文算法在KITTI 2015测试集中非遮挡区域和所有区域的误匹配率分别为6.24%和5.89%,与其他经典算法相比在细节信息区域的效果、精度方面有较大提升。
-
关键词
无监督
立体匹配
细节信息增强
注意力机制
视差融合
-
Keywords
unsupervised
stereo matching
detail information enhancement
attention mechanism
disparity fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于CTH的不适定区域精确无监督立体匹配算法
- 2
-
-
作者
冯强龙
王晓峰
王海宇
陆正霖
丁坤岭
舒航
-
机构
重庆科技大学数理科学学院
重庆科技大学电子与电气工程学院
-
出处
《重庆科技大学学报（自然科学版）》
CAS
2024年第5期85-91,共7页
-
基金
重庆市自然科学基金面上项目“复杂场景下融合全局图神经网络和三维内蕴几何约束的精准立体视觉研究”(CSTB2022NSCQ-MSX0398)
重庆市研究生科研创新项目“复杂环境自动驾驶下融合双目立体视觉和激光雷达多模态的深度学习快速精确深度感知算法研究”(CYS240804)
重庆科技大学硕士研究生创新计划项目“复杂场景下基于BEV视角的融合双目立体视觉和激光雷达多模态精确深度感知算法研究”(YKJCX2321103)。
-
文摘
无监督立体匹配算法的准确性直接影响深度估计的质量。目前的无监督立体匹配算法普遍缺乏全局特征提取能力,在边缘和遮挡等不适定区域的视差估计精度较低。为此,提出了一种基于CNN和Transformer的不适定区域全局与局部特征提取的精确无监督立体匹配算法。首先,提出了一种结合多尺度和跳跃连接特性的沙漏网络,设计了适用于立体匹配的CNN与Transformer并行特征提取(CTH)算法;其次,利用特征耦合单元(FCU)将局部特征与全局表示相融合,提升了模型整合全局信息的能力;最后,将原始视差监督损失函数引入基准模型的损失函数中,通过一致性损失引导网络学习更全面的特征。实验结果表明,与其他经典算法相比,该算法在不适定区域的精度和鲁棒性均有所提升。
-
关键词
无监督立体匹配
CNN
TRANSFORMER
CTH
全局和局部特征提取
-
Keywords
unsupervised stereo matching
CNN
Transformer
CTH
global and local feature extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
