重庆理工大学学报（自然科学） ›› 2022, Vol. 36 ›› Issue (1): 136-142.
• 智能技术 • 上一篇
郑秋梅，王生坤，王风华，于 涛
摘要： 特征提取是基于深度学习的立体匹配中至关重要的一个部分。针对目前立体匹配网络在特征提取中造成的语义损失和匹配代价信息丢失问题，将特征金字塔网络作为立体匹配的特征提取部分，提取包含高层语义信息和多尺度信息的多通道特征；并使用改进的群组相关模块计算匹配代价，使网络包含更多的特征相似性信息，减少信息丢失，进而更加准确地重建弱纹理等病态区域。在SceneFlow、KITTI2012和KITTI2015双目数据集上进行测试评估，结果表明：提出的算法取得了较好精度，并且相比基准网络，在提高精度和弱纹理区域匹配效果的同时，所提算法没有增加较大计算负担。
中图分类号:
主管单位：重庆市教育委员会