基于深度学习的双目立体视觉研究

发布时间：2024-01-30 08:55

　　立体匹配作为计算机视觉中的基本挑战,其任务是获得左右图片中像素的对应关系,计算出视差图。在过去的很长一段时间,科研人员都在提高立体匹配算法的精度和速度上不断探索。近年来,深度学习技术快速发展,在计算机视觉的诸多领域中获得了巨大成功,例如语义分割,物体检测,图像识别等。现如今深度学习在立体匹配上取得了成功的应用。基于深度学习的立体匹配是将传统立体匹配方法的四个步骤,包括代价计算、代价聚合、视差计算和视差细化,融入到卷积神经网络当中。在KITTI数据集上,大多数排名靠前的方法都是基于深度学习的方法。但是在Middlebury数据集上,这些方法却表现的不好。因为KITTI数据集采集于室外场景,而Middlebury数据集采集于室内场景。而目前学术界还缺少一个大型的室内场景立体匹配数据集。为了弥补室内场景立体匹配数据集的缺少,本文搭建了一个双相机-单投影仪的结构光系统来采集室内场景立体匹配数据集。通过这个数据集对网络模型的优化训练能提高网络模型在室内场景立体匹配数据集的泛化能力。首先完成结构光系统的标定,和单相机-单投影仪的系统不同,本文的结构光系统不需要进行相对复杂的投影仪标定,只需要进行相...

【文章页数】：71 页

【学位级别】：硕士

图1.1双目立体视觉法的模型

图1.2双目立体视觉相机模型

图1.3对极几何Fig1.3Epipolargeometry

图1.4结构光法原理图

本文编号：3889845