【技术实现步骤摘要】
一种基于双交叉注意力机制的高精度立体匹配方法
[0001]本专利技术属于图像处理
,具体涉及一种自适应视差范围的深度信息获取方法和优 化策略,可用于双目输入下的高效深度信息获取。
技术介绍
[0002]在立体视觉领域,给定一个像素的视差,其深度z可以通过z=bf/d求解得到。其中,b 是双目相机系统的基线长度,f是相机系统的焦距,d是该像素对应的视差。因此,深度信息 估计任务可以转化为对应像素的视差估计任务。给定一对校正后的双目图像,在没有遮挡的 情况下,真实场景中的一个点会同时被投射到左右两个视点的图像中,而这两个位于不同视 点下的对应像素对之间的横坐标差,就被称为“视差”。通常,这种视差估计任务会被分解成 四个步骤:1)特征提取;2)代价计算;3)代价聚合;和4)视差估计。对于传统算法而言, 这四个步骤是依次进行的,而每个步骤的技术通常可以单独应用。
[0003]近年来,随着深度学习技术的发展,视差估计每个步骤的完成正逐渐被神经网络所替代, 步骤之间的独立性也日渐减弱,视差估计任务也更多地由一个端到端的网络计算完成。在这 些网络中,代价计算通常由两种手段完成:特征级联和卷积计算。对于前者而言,左右视点 下的输入经过共享参数的相同特征提取结构,随后,得到的特征被直接按照通道级联并直接 作为后续代价聚合和视差估计网络的输入。这种方法在代价聚合部分通常依赖3D卷积,因 此需要付出较大的计算量代价。而且,这种直接级联的代价计算方法在效果上也不如卷积计 算得到的代价矩阵。这种基于卷积计算的代价计算方法将左右视 ...
【技术保护点】
【技术特征摘要】
1.一种基于双交叉注意力机制的高精度立体匹配方法,其特征在于:包括如下步骤:步骤1:处理输入数据,将数据根据需要分成训练集和测试集两个部分;其中,训练集进一步分成训练集和验证集,验证集有视差真值但是真值仅用于评估而不参与训练过程的损失计算;撰写相关数据读取函数,表明输入双目图像和视差真值图像的路径,用于在训练过程中根据该路径读取相应输入;对输入图像进行数据扩张操作,包括竖直方向的位移和旋转、RGB亮度变换、高斯噪声或者亮度对比度变换;步骤2:采用漏斗形特征提取网络计算特征;步骤3:特征金字塔的第一层输出与最后三层的输出级联,作为双注意力机制代价计算模块的输入;代价计算模块,由双注意力机制构成;匹配的点在左右视点下只会出现在同一条核线上,代价计算只需要进行一维匹配即可;给定一个视点下的位置,沿相同核线进行匹配计算;步骤4:代价聚合部分采用的是基于2D卷积的多尺度代价聚合结构,包括尺度内和尺度间两种聚合模式;在代价聚合的过程中,两种模式交替使用,并且共享聚合结果;步骤5:分辨率恢复和细节重塑模块以步骤3所估计的视差图为输入,依次经过3次分辨率恢复模块逐步恢复分辨率;以左视点图片、右视点图片、左视点视差估计、左视点图片依照左视点视差估计变换到右视点下的图片、以及右视点图片与变换得到的右视点图片之间的差值,这5个变量按照通道级联作为结构的输入;每个分辨率恢复模块由4个ResNet模块和1个步长为2的反卷积构成,每个模块的输出在经过1层核尺寸为1x1的卷积层之后,恢复为该分辨率下的视差图残差,最终将残差与上采样至同样分辨率的视差图估计相加,得到该空间分辨率下的视差图;步骤6:将视差图与真值视差图根据损失函数求得损失,通过反向传播指导网络模型参数更新;最终得到固定的网络模型参数用于视差图推理。2.根据权利要求1所述的一种基于双交叉注意力机制的高精度立体匹配方法,其特征在于:在步骤2中,进一步包括:撰写特征提取部分的网络结构代码;特征提取模块的代码可以拆分为下采样单元、上采样单元和金字塔单元的定义;注意每个单元中的层在多次应用的时候不可以共用,需要多次定义具体的层;左图和右图共享特征提取部分的参数,最终输出的是提取好的左图和右图特征。3.根据权利要求1或2所述的一种基于双交叉注意力机制的高精度立体匹配方法,其特征在于:在步骤6中,进一步包括:撰写损失函数采用了平滑L1损失,该损失应用于所有尺度下的视差图;在计算损失时,视差图真值会被下采样到与估计视差图相同的空间尺寸;不同空间尺寸下的重要性和像素个数,对各尺度的损失采用了加权求和的方式。4.根据权利要求1或2或3所述的一种基于双交叉注意力机制的高精度立体匹配方法,其特征在于:在步骤1中,进一步包括:步骤1a:对左右图同时进行竖直方向的位移和旋转变换;其中,位移在
±
1.5像素范围内进行,具体位移量随机确定;旋转发生在
±
0.5度之间,具体旋转量随机确定;上述位移和角度的随机数取值服从[0,1)范围内的均匀分布;步骤1b:按照50%概率对RGB三通道独立进行亮度变换,所有通道变化均服从范围在(
‑
20,20)区间内的均匀分布,变换是对每个像素上的数值发生的;左右图有20%的概率应用不同的变换数值;
步骤1c:随后,算法有50%的概率选择对输入进行高斯白噪声或者亮度对比度变换;其中,高斯噪声服从均值为0、方差在(10,50)范围内的高斯分布,其中方差的选择服从[0,1)范围内的均匀分布;亮度对比度变换是对图像亮度进行(
‑
0.2,0.2)范围内的亮度和对比度变换;同样,左右图有20%的概率应用不同的变换数值。5.根据权利要求1或2所述的一种基于双交叉注意力机制的高精度立体匹配方法,其特征在于:在步骤2中,进一步包括:步骤2a:利用5个下采样单元对输入提取特征并压缩空间尺寸,分别编号l={1,2,3,4,5};每一个下采样单元由:a)步长为2、核尺寸为3x3、padding为1的卷积层;b)Batch normalization;c)斜率为0.1的Leaky ReLU;d)步长为1、核尺寸为3x3、padding为1的卷积层;e)Batch normalization;f)斜率为0.1的Leaky ReLU;依次组成;步骤2b:利用2个上采样单元提取特征并恢复空间尺寸,分别编号l={6,7};每一个上采样单元由:a)步长为2、核尺寸为3x3、padding为0的反卷积层;b)Batch normalization;c)斜率为0.1的Leaky ReLU;d)步长为1、核尺寸为3x3...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。