深度学习框架下融合分割线索的立体匹配算法研究

发布时间：2022-01-23 03:02

　　近年来,随着人工智能技术的快速发展与应用,各行各业对智能体与环境之间智能交互的需求越来越多。场景深度信息的准确获取是实现智能交互的关键。例如,自动驾驶过程中,智能车需要感知前方场景深度以实现避障;机器人需要了解自身与周围环境中对象物的相对距离以实现路径规划或与对象物进行互动。立体匹配是获得场景深度信息的关键技术之一。相比激光测距等其他场景深度感知方式,基于立体匹配的深度计算方法成本低且不受测量距离限制,因而受到广泛关注。立体匹配是当前计算机视觉领域中的一项重要研究课题,也是其他热点研究问题的子环节,如三维模型重建、即时定位与建图等。现有立体匹配方法众多,深度学习技术的出现也为立体匹配带来新的机遇,但现有立体匹配算法仍存在以下问题:1.传统能量优化式立体匹配算法在设计能量公式时所依据的颜色一致性假设,在面临场景光照变换较大的情形时不够鲁棒,容易出现计算错误;同时,传统能量公式依据的邻域约束在场景深度急剧变化的区域表现较差。2.现有基于深度学习的端到端立体匹配网络,常源自求解其他视觉任务的网络结构。这一过程往往忽视了不同视觉任务之间的特性差异。另外,现有网络采用的三维卷积参数数量较大,导致... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图本章网络结构图5.1.2左右一致性特征提取

【参考文献】：
期刊论文
[1]基于SIFT和Daisy相结合的立体匹配算法[J]. 杨薇,董洪伟,刘蕾.  计算机工程与应用. 2014(12)

博士论文
[1]基于全景视觉的移动机器人SLAM方法研究[D]. 吴叶斌.哈尔滨工程大学 2011

硕士论文
[1]交互式立体图像分割及修复算法研究[D]. 秦悦.北京工业大学 2018



本文编号：3603464