王金鹤,苏翠丽,孟凡云,车志龙,谭 浩,张 楠

(青岛理工大学 信息与控制工程学院,山东 青岛 266000)

0 概述

三维场景信息重建是计算机视觉应用的关键,如车辆自动驾驶和医学内窥镜成像技术的应用,都是基于该技术对目标场景或物体的深度信息进行计算。深度信息计算目的是获取双目图像中像素点的视差值,而视差值取决于空间景物在左右视图中的对应关系,这种寻找左右图像平面之间对应点的过程称为立体匹配[1]。

传统立体匹配方法通常包含4个步骤,即匹配代价计算、匹配代价聚合、视差计算和视差细化。早期的立体匹配算法分为全局匹配、局部匹配以及两者结合的半全局匹配算法。但是这些方法均通过人工设计代价函数学习图像特征之间的线性关系,不仅计算代价昂贵,而且在遮挡、重复纹理、弱纹理等区域达不到理想的匹配效果。

深度学习技术的发展使计算机视觉研究得到重大突破。卷积神经网络(Convolutional Neural Network,CNN)能够进行复杂的非线性表示,具有强大的表征能力,近年来被广泛用于图像识别及立体匹配的应用。进而,基于卷积神经网络的立体匹配方法相继被提出。但现有方法多采用深而复杂的3D卷积网络架构进行端到端的视差图学习。尽管这些立体匹配方法在网络框架和训练方式上存在巨大差异,但是通常都采用Siamese网络作为立体图像对的特征提取器,由此可见Siamese网络结构在立体匹配中起到基础性作用。

目前有些研究避免使用复杂的端到端CNN框架,而是针对Siamese网络结构进行改进。……