一种优化的深度学习立体匹配算法研究

近年来,卷积神经网络的崛起推动了立体匹配的发展,使该领域取得了跨越性的进展,但在一些弱纹理、重复纹理和遮挡区域等病态区域仍有匹配精度低的问题,卷积神经网络通过利用全局上下文信息来提升立体匹配的高精度结果。本研究提出了一种新颖的端对端立体匹配算法。为了在像素级挖掘更多的全局背景信息,设计了一个多尺度融合注意力模块来进行特征提取。此外,在简化的代价聚合过程中引入了特征细化模块和三维注意聚合模块,可以有效的聚合高质量、高表征能力的特征信息,增强网络的特征表示。最后,通过双线性插值和视差回归得到最终的视差图。文章在KITTI2012和KITTI 2015立体数据集上验证所提方法,实验结果表明,相比之下,我们的方法在精度上取得了较优越的性能。