一种基于稀疏约束的自动驾驶立体匹配方法组成比例

本发明专利技术公开一种基于稀疏约束的自动驾驶立体匹配方法，包括步骤：A.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和。B.利用特征和构建初始相关体积和串联体积。C.过滤初始相关体积中相关性较弱的的相关性特征。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。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。

【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：