王金鹤，车志龙，张 楠，孟凡云，苏翠丽，谭 浩

（青岛理工大学信息与控制工程学院，山东青岛 266000）

0 概述

立体匹配技术通过计算立体相机拍摄的2 张图像中每个像素的视差，确定立体图像间的对应关系，且在机器人自主导航、自动驾驶和三维场景重建中具有广泛的应用。传统立体匹配方法通常采用匹配代价计算、代价聚合、视差计算和视差优化4 个步骤，但是存在匹配效率较低的问题。随着基于深度学习的语义分割、目标检测与识别等高层视觉技术的快速发展，神经网络方法逐渐应用于立体匹配中。卷积神经网络（Convolutional Neural Network，CNN）因其较强的特征提取能力而取代了传统手工制作特征描述符的方法。基于CNN 的方法将视差估计作为学习任务，利用大量数据对模型参数进行优化，并以模型处理后的输出图像作为视差图。CNN 相对传统立体匹配中计算像素的匹配代价而言，可以更好地捕获局部上下文信息，对遮挡、透明和非郎伯照明效果等光度差异鲁棒性更强，且在匹配速度和精度方面都有显著提升。

在早期基于CNN 的立体匹配方法中，文献［1］采用神经网络方法计算匹配代价，将两个图像之间的匹配代价看作二分类问题，且计算效果良好。文献［2-3］通过对早期CNN 结构进一步改进而取得满意效果。文献［4］通过用内积层替换网络的全连接层进行相似性度量，将代价计算看作一个多分类任务，大幅加快训练与测试的效率。文献［5］发布一个带有真实视差、光流和场景流的合成数据集，并提出一个带有编码-解码器结构的DispNet 模型。……