车载双目视觉动态级联修正实时立体匹配网络
针对目前基于双目视觉的高精度立体匹配网络消耗计算资源多、运算时间长、无法用于智能驾驶系统实时导航的问题,本文提出了一种能够满足车载实时性和准确性要求的动态融合双目立体匹配深度学习网络.该网络加入了基于全局深度卷积的注意力模块完成特征提取,减少了网络层数与参数数量;通过动态代价级联融合、多尺度融合以及动态视差结果修复优化3D卷积计算,加速了常用的3D特征融合过程.将训练好的模型部署在车载硬件例如NVIDIA Jetson TX2上,并在公开的KITTI立体匹配数据集上进行测试.实验显示,该方法可以达到与目前公开在排行榜中最好方法相当的运行精度,3像素点误差小于6.58%,并且运行速度小于0.1 s/f,能够达到车载实时使用性能要求.
双目视觉、深度学习、立体匹配、视差估计、动态计算、特征融合、车载视觉
17
TP29(自动化技术及设备)
国家自然科学基金;国家自然科学基金
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
1145-1153