APP下载

匹配代价融合与分层迭代优化的半全局立体匹配

2023-09-06田家旺

小型微型计算机系统 2023年9期
关键词:效率实验

陶 洋,田家旺

(重庆邮电大学 通信与信息工程学院,重庆 400065)

1 引 言

立体匹配算法是双目视觉从二维走向三维的重要途径,是双目立体视觉中核心步骤之一.立体匹配的目标是从左右视点采集到的图像中找到对应的同名点,从而求得左右视角中同名点之间的视差.结合双目测量的基础理论,可以进一步完成基于双目视觉的测量任务,例如测距、定位和三维重建等.按照匹配算法的输出结果,立体匹配可以分为稠密匹配和稀疏匹配两种.稠密匹配算法为图像中所有像素点完成匹配.而稀疏匹配算法则是只匹配提取出的部分特征点.相对来说,稠密匹配算法获得的视差信息更为丰富.稠密立体匹配算法可以分为基于深度学习、局部、全局、半全局4种类别.随着深度学习的发展,基于深度学习的立体匹配算法近年来逐渐增多,能够取得较高的视差图精度.MC-CNN[1]是基于深度学习立体匹配算法的开山之作,作者通过一个5层的卷积网络学习初始匹配代价,然后使用半全局立体匹配完成后续计算,取得了当时的最佳性能.全局立体匹配都基于如图割[2]、动态规划[3]等算法,都引入图像的全局信息,通过最小化全局能量函数求取视差图,效果较好,但与前者相同,计算量巨大,实时效果较差,难以在边缘CPU设备上部署.基于局部信息的匹配算法以像素所在的局部窗口信息作为相似性测度依据,这类方法中窗口尺寸和形状均会影响匹配效果……

登录APP查看全文

猜你喜欢

效率实验
记一次有趣的实验
提升朗读教学效率的几点思考
注意实验拓展,提高复习效率
做个怪怪长实验
效率的价值
NO与NO2相互转化实验的改进
实践十号上的19项实验
跟踪导练(一)2
“钱”、“事”脱节效率低
提高讲解示范效率的几点感受