检索结果-南通市图书馆

检索条件"主题词=匹配代价体聚合"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向匹配代价体尺度自适应的双目立体匹配算法研究

面向匹配代价体尺度自适应的双目立体匹配算法研究

引用

作者：苏畅天津大学

学位级别：硕士

基于匹配代价体(Cost Volume)的深度卷积神经网络(Convolutional Neural Network,CNN)是双目立体匹配的主流方法,主要包括双目特征提取、匹配代价体构造与聚合、视差计算和细化等环节,是双目深度估计的主要途径,在自动驾驶、虚拟现实、... 详细信息

基于匹配代价体(Cost Volume)的深度卷积神经网络(Convolutional Neural Network,CNN)是双目立体匹配的主流方法,主要包括双目特征提取、匹配代价体构造与聚合、视差计算和细化等环节,是双目深度估计的主要途径,在自动驾驶、虚拟现实、机器人导航等领域发挥着重要作用。但现有基于CNN的双目特征提取和匹配代价体聚合方法存在尺度混淆、信息损失等问题,限制了模型在弱纹理、边缘等具有挑战性区域的匹配性能。针对上述问题,本文面向匹配代价体尺度自适应展开研究,主要工作和贡献如下:(1)在双目特征提取方面,提出了基于特征重组与尺度自适应的金字塔特征重配网络(简称PFRNet)。该网络首先将骨干网络提取的多尺度特征融合成为重组特征,然后通过自适应的特征增强模块将重组特征重新配置为各特定尺度相关的特征,增强了各尺度特征的局部敏感性和全局感受野,克服了单一尺度特征对跨尺度互补信息利用不充分以及传统金字塔特征存在尺度混淆的问题,提高了模型对弱纹理区域和边缘的匹配精度。(2)在匹配代价体聚合方面,提出了基于信息恢复的多尺度匹配代价聚合网络(简称IRNet),从尺度内和尺度间两个角度出发聚合匹配代价体。在尺度内聚合模块,利用匹配代价体的视差维度初步整合了像素在不同候选视差下的匹配信息;在尺度间聚合模块,通过由低分辨率到高分辨率的信息增强逐级恢复了CNN在堆叠下采样过程中的空间信息损失,提高了模型对边缘等细节的匹配精度。(3)为了解决IRNet在上采样过程的多尺度特征不一致问题,提出了基于尺度自适应的多尺度匹配代价体聚合网络(简称SANet)。在尺度间聚合模块,通过尺度自适应加权聚合策略筛选和强化了适用于回归各尺度视差的匹配特征,进而得到了特征尺度相关的匹配代价体,提高了模型对弱纹理区域、边缘的匹配精度。根据上述工作,从双目特征提取和多尺度匹配代价体聚合两个重要步骤出发,构建了基于尺度自适应的双目立体匹配网络。在Scene Flow数据集和KITTI数据集上的实验表明所提网络在使用较少计算量的情况下,在具有挑战性的弱纹理区域、边缘和实际场景中表现出了鲁棒的匹配性能。

关键词：双目立体匹配特征提取匹配代价体聚合信息恢复尺度自适应

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：