黄怡洁，周佩，朱江平，张建伟

（四川大学计算机学院，成都610065）

0 引言

双目立体匹配是计算机视觉领域非常重要的课题，其关键在于找到双目立体图像对中像素点的相关性，根据三角测量原理计算出视差，根据视差计算出目标的深度信息。立体匹配可广泛应用与增强现实[1]、三维建模[2]，以及机器智能[3]等领域。

传统的立体匹配算法包含代价聚合、视差计算、视差优化和视差后处理[4]四个步骤完成。近些年，很多基于卷积神经网络[5]的立体匹配算法取得较好的效果。双目立体图像对作为网络的输入，通过端到端的神经网络，可以直接预测出一张视差图。Zbontar 等人[6]提出使用块匹配结合卷积神经网络计算匹配代价，且在代价聚合模块融入半全局的方法，有助于减少遮挡区域的误差；Kendall 等人[7]在提取特征的时候，融入几何信息，构建4D 的匹配代价集，代价聚合网络中用3D 卷积进行多尺度特征融合，提高匹配的精度；Jie Zequn 等人[8]用递归的左右一致性检查模型，该模型在视差计算阶段就可进行视差一致性检查；Khamis[9]在使用Siamese 提取特征，网络先预测出低分辨率的视差图，再以色彩输出为导向，产生高精度的视差图；李航等人[10]提出沿着通道以及空间维度聚合特征信息，将3D 残差以及密集模块融入代价聚合网络；马伟等人[11]使用CNN 提取图像特征并进行区域分割，再用CNN匹配结果构建MRF 能量函数，最后通过优化能量函数计算视差；王玉峰等人[12]采用宽步长将右特征图进行平移结构建稀疏三维损失体，并结合两种损失函数训练模型。……