基于多尺度和多层级特征融合的立体匹配方法

摘要：

基于卷积神经网络的立体匹配方法未充分利用图像中各个层级的特征图信息,造成对图像在不适定区域的特征提取能力较差.提出一种融合多尺度与多层级特征的立体匹配方法.通过在双塔结构卷积神经网络模型的前端设计一个池化金字塔层,提取图像的多尺度低层结构特征.在该网络模型的后端融合最后三层网络的高级语义特征来提取图像特征,并对图像特征进行相似性度量后输出视差图.在KITTI 2015数据集上的实验结果表明,与LUO和Anita方法相比,该方法的像素误差精度分别由14.65％、8.30％降至8.02％,且可得到细节信息更好的视差图.

关键词：立体匹配、卷积神经网络、特征图信息、多层级特征融合、视差

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省重点研发项目;山东省高等学校科技计划项目

在线出版日期：2021-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：243-248