一种立体图像的深度估计方法技术

本申请公开了一种立体图像的深度估计方法，通过主题通道投影来优化特征通道，而不是直接深化网络架构。其中，我们使用滑动窗口捕捉主题通道，为了更精确地计算边缘匹配的匹配成本，构建了通道相关性矩阵轮廓引导的通道相关性代价体，该代价体由普通通道和主题通道之间的通道相关性矩阵轮廓得出，然后映射到组相关代价体上，计算出主题通道代价体，最后为了利用重建误差图中潜在通道的几何信息，通过主题通道重建误差惩罚机制，从误差图中提取主题通道特征，并根据高频和低频信号优化视差图的生成，解决了现有方法在生成特征通道的过程中，许多通道特征会丢失几何细节，这种现象导致物体边缘的表示不匹配的技术问题。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种立体图像的深度估计方法。

技术介绍

1、立体深度估计仍是计算机视觉领域的一项基本挑战，与自动驾驶、虚拟化、渲染及相关领域密切相关。这项任务的主要目标是建立一个像素位移图，或称差异图，用于识别场景中像素的深度。在虚拟现实和增强现实等需要像素级渲染的技术中，差异贴图的边缘性能尤为重要，因为在这些技术中，场景模型和图像贴图之间的精确拟合至关重要。这就强调了在差异贴图的边缘与原始rgb图像之间保持紧密对齐的必要性。

2、传统立体匹配算法主要分为两种类型：全局方法和局部方法。这两种方法都是通过最小化包含数据和平滑项的目标函数来解决优化问题，前者考虑了全局信息，后者只是考虑了局部信息，因此在解决优化问题时，两者在精度和速度方面各有优势。传统方法在不同的场景下有很好的泛化性能和鲁棒性，但在弱纹理和重复纹理区域表现不佳。这些方法存在的共同问题是难以充分利用特定场景的先验知识。要获得最佳结果，往往需要人工观察，而在图像复杂的场景中，这一调整过程可能会耗费大量资源。

3、随着卷积神经网络的发展，基于学习的方法最近在解决本文档来自技高网...

【技术保护点】

1.一种立体图像的深度估计方法，其特征在于，包括：

2.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤S7之后还包括：

3.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤S7之后还包括：

4.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤S2具体为：

5.根据权利要求4所述的立体图像的深度估计方法，其特征在于，所述通道相关性矩阵轮廓具体为：

6.根据权利要求5所述的立体图像的深度估计方法，其特征在于，所述通道相关性代价体具体为：

7.根据权利要求6所述的立体图像的...

【技术特征摘要】

1.一种立体图像的深度估计方法，其特征在于，包括：

2.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤s7之后还包括：

3.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤s7之后还包括：

4.根据权利要求1所述的立体图像的深度估计方法，其特征在于，所述步骤s2具体为：

5.根据权利要求4所述的立体图像的深度估计方法，其特征在于，所述通道相关性矩阵轮廓具体为：

6.根据...

【专利技术属性】
技术研发人员：张永军，陈子扬，赵阳，何俊伶，赵勇，
申请(专利权)人：贵州大学，
类型：发明
国别省市：