一种基于PSMNet优化的图像立体匹配方法组成比例

本发明专利技术提供了一种基于PSMNet优化的图像立体匹配方法，包括：左右图像分别输入到ResNeXt残差卷积神经网络中，提取初步特征图像，ResNeXt残差卷积神经网络引入独立路径的数量；ASPP模块提取初步提取特征图不同尺度的特征图空间信息，通过融合模块对所述特征图空间信息进行融合，得到二维融合特征图，左右二维融合特征图连接形成4维的匹配代价空间；给定匹配代价空间，3D卷积神经网络根据二维融合特征图计算匹配代价；基于所述匹配代价，通过视差回归得到预测的视差图；3D卷积神经网络删除3D卷积输出与不同输出模块之间的残差连接。本发明专利技术解决了现有图像立体匹配中存在耗时长、匹配点错误较多的问题。

【技术实现步骤摘要】
一种基于PSMNet优化的图像立体匹配方法
本专利技术属于三维重建
，具体涉及一种基于PSMNet优化的图像立体匹配方法。
技术介绍
随着卷积神经网络的快速发展，已经展示了其在特征学习上的强大能力，在很多计算机视觉的任务中取得了非常重大的突破和进展。基于深度学习的双目立体匹配算法相对一些传统算法也取得了非常好效果。在基于端到端的深度立体匹配算法中，传统匹配算法中所有步骤均可以使用网络进行联合优化进行端到端的训练，直接输出最终的视差图。但是这些端到端的方法存在如下缺陷：(1)网络针对不适定区域(遮挡区域、重复图案、无纹理区域以及反光区域)的特征提取能力较弱，导致匹配点错误较多；(2)嵌入大量的3D卷积，势必导致模型的参数量以及运行缓存巨大，耗时大，同时使其难以部署到容量受限的移动端或嵌入式设备。
技术实现思路
针对现有技术中存在不足，本专利技术提供了一种基于PSMNet优化的图像立体匹配方法，克服现有图像立体匹配中存在耗时长、匹配点错误较多等问题。本专利技术是通过以下技术手段实现上述技术目的的。>一种基于PSMNe本文档来自技高网...

【技术保护点】
1.一种基于PSMNet优化的图像立体匹配方法，其特征在于，双目相机采集的左右图像分别输入到两个权重共享的ResNeXt残差卷积神经网络中，提取初步特征图像；ASPP模块提取初步提取特征图不同尺度的特征图空间信息，通过融合模块对所述特征图空间信息进行融合，得到二维融合特征图，左右二维融合特征图连接形成4维的匹配代价空间；给定匹配代价空间，3D卷积神经网络根据二维融合特征图计算匹配代价；基于所述匹配代价，通过视差回归得到预测的视差图。/n

【技术特征摘要】
1.一种基于PSMNet优化的图像立体匹配方法，其特征在于，双目相机采集的左右图像分别输入到两个权重共享的ResNeXt残差卷积神经网络中，提取初步特征图像；ASPP模块提取初步提取特征图不同尺度的特征图空间信息，通过融合模块对所述特征图空间信息进行融合，得到二维融合特征图，左右二维融合特征图连接形成4维的匹配代价空间；给定匹配代价空间，3D卷积神经网络根据二维融合特征图计算匹配代价；基于所述匹配代价，通过视差回归得到预测的视差图。


2.根据权利要求1所述的基于PSMNet优化的图像立体匹配方法，其特征在于，所述ResNeXt残差卷积神经网络在ResNet结构基础上引入独立路径的数量获取。


3.根据权利要求2所述的基于PSMNet优化的图像立体匹配方法，其特征在于，所述初步特征提取模块卷积核增设有空洞率。


4.根据权利要求1所述...

【专利技术属性】
技术研发人员：顾寄南，黄则栋，李静，孙晓红，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32