【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是一种基于稀疏约束的自动驾驶立体匹配方法。
技术介绍
1、在众多计算机视觉应用中，在众多计算机视觉应用中，立体匹配是一项关键的基础性任务。立立体匹配旨在找到一对校正的立体图像对的像素之间的对应关系，并计算对应像素之间的深度信息，即视差。除了自动驾驶技术，立体匹配还广泛应用于增强现实、机器人智能控制、3d重建[1]等领域。随着深度学习方法的蓬勃发展并表现出了令人惊讶的能力，其在众多计算机视觉领域得到了广泛的应用，这其中也包括了立体匹配。
2、经典的基于深度学习的立体匹配的端到端网络包括四个步骤：成本体积构建、成本聚合、视差计算和视差优化[2]。其中，成本体积中包含着立体图像对之间的所有信息，其构建自然就成为立体匹配中至关重要的一步，直接关系着立体匹配最后的精度和效率。为此，大多数基于深度学习的立体匹配模型致力于探索有效的成本体积构建方法来提高立体匹配精度和效率。dispnetc[3]利用立体图像对的特征之间的相似性度量来构建相关体积(相关体积是一种成本体积)，事实证明这是一种行之有效的方法，但是它在构建成本体积的过程中忽视了内容信息对于立体匹配精度的影响。为了更好的利用内容信息，psmnet[3]和gc-net[5]使用级联的方法直接融合立体匹配图像对的特征来构建一个4d串联体积(即通道×视差×高度×宽度)，串联体积也是一种成本体积。然而这种模型需要大量的3d卷积来学习立体匹配图像对之间的相似度信息。为了联合相关信息和内容信息以提高立体匹配的精度，gwcnet[6]提出了一种新的成本体积的
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于稀疏约束的自动驾驶立体匹配方法，能有效地减少立体匹配模型体积融合过程中引发的混淆问题。本专利技术提出的立体匹配方法可应用于自动驾驶、三维重建、机器智能控制和运动分割等多个领域。
2、为实现上述目的，本专利技术采用如下技术方案：一种基于稀疏约束的自动驾驶立体匹配方法，包括以下步骤：
3、步骤a：给定一组由两张图像组成的立体匹配图像对，利用两个权重共享的卷积神经网络对这个立体匹配图像对的两张图像进行特征提取，提取到的特征分别记为fl和fr；
4、步骤b：利用特征fl和fr构建初始相关体积ccorrelation和串联体积cconcat；
5、步骤c：利用信息论原理自适应地获取输入初始相关体积的阈值e，然后利用这个阈值过滤初始相关体积中相关性较弱的的相关性特征，从而有效地构造稀疏相关体积；
6、步骤d：将得到的稀疏相关体积压缩得到相关体积权重后，加权到初始串联体积得到成本体积；
7、步骤e：将成本体积送入到一个由3d卷积和3d沙漏卷积构成的成本聚合模块进行处理，并得到预测图结果；利用预测视差图结果与真实地面视差结果计算得出的平滑l1损失来指导网络的训练，最终得到一个性能最佳的立体匹配模型。
8、在一较佳的实施例中，所述步骤b中初始相关体积ccorrelation和串联体积cconcat具体为：
9、
10、其中·表示每个通道维度，d表示每个视差维度，(x,y)表示像素点位置，(i,j)表示相关性计算范围；
11、concat(·,d,x,y)＝concat{fl(x,y),fr(x-d,y)}，#(公式二)
12、其中concat表示沿通道方向进行串联操作。
13、在一较佳的实施例中，步骤c中，阈值e具体为：
14、
15、其中，d表示第i个视差维度数据的数量，ci,max表示第i个视差维度的最大值，ci,j表示第i个视差维度中第j个数据的值，α表示稀疏度度量值；
16、
17、其中表示ci,j经过阈值e筛选后的值；对初始相体积的每一个视差维度应用上述操作，即可得到的具有稀疏约束的相关矩阵。
18、与现有技术相比，本专利技术具有以下有益效果：本专利技术提出了一种简单有效的稀疏矩阵模块来减轻上述问题。稀疏矩阵模块是在使用多层次的自适应补丁匹配构建相关体积的基础上，利用信息论原理根据相关体积自适应得到阈值，然后利用这个阈值过滤相关性较差的特征值。稀疏矩阵模块能够有效的过滤噪声，有利于提升立体匹配的精度。
本文档来自技高网...【技术保护点】
1.一种基于稀疏约束的自动驾驶立体匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于稀疏约束的自动驾驶立体匹配方法，其特征在于，所述步骤B中初始相关体积Ccorrelation和串联体积Cconcat具体为：
3.根据权利要求1所述的一种基于稀疏约束的自动驾驶立体匹配方法，其特征在于，步骤C中，阈值E具体为：
【技术特征摘要】
1.一种基于稀疏约束的自动驾驶立体匹配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于稀疏约束的自动驾驶立体匹配方法，其特征在于，所述步骤b中初始相...
【专利技术属性】
技术研发人员：赖桃桃，曾界茂，廖律超，李佐勇，明锐，
申请(专利权)人：闽江学院，
类型：发明
国别省市：
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。