【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体提供一种基于深度学习的双目立体匹配递归网络的构建方法及装置。
技术介绍
1、双目立体匹配一直是双目视觉的研究热点，双目相机拍摄同一场景的左、右两幅视点图像，运用立体匹配算法获取视差图，进而获取深度图。而深度图的应用范围非常广泛，由于其能够记录场景中物体距离摄像机的距离，在机器人导航、智慧医疗、微操作系统的参数检测、三维测量和虚拟现实等领域有着广泛的应用。传统的立体匹配算法一般分为计算匹配代价、代价聚合、视差计算和视差细化四个步骤。然而，在开放世界环境中，传统的方法对于图像噪声、光照不均、大面积无纹理等各种情况依然不能很好的处理，如何处理实际场景中的图像特别是室外的图像，也需要有针对性的考虑。近年来，在大型合成数据集的支持下，基于卷积神经网络的立体匹配方法将视差估计的精度提高到了一个新的高度。但由于各种现实世界的问题，如何同时达到较高的精度和效率对实际应用至关重要，对于一些特殊结构（如薄物体和尖锐边缘等病态区域）的深度估计目前仍然具有挑战性。
2、针对上述需求，目前，国内外也有很多相关的解决方案。
3、中本文档来自技高网...
【技术保护点】
1.一种基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，所述结合核卷积归一化和自适应偏置后完成特征融合，包括：
3.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，所述构建匹配注意力机制，进行初始代价体的构建，对所述初代代价体进行匹配注意力权重的生成，将最终得到的立体匹配代价体输入到基于GRU的更新算子中进行视差图的迭代更新，包括：
4.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在...
【技术特征摘要】
1.一种基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，所述结合核卷积归一化和自适应偏置后完成特征融合，包括：
3.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，所述构建匹配注意力机制，进行初始代价体的构建，对所述初代代价体进行匹配注意力权重的生成，将最终得到的立体匹配代价体输入到基于gru的更新算子中进行视差图的迭代更新，包括：
4.如权利要求1所述的基于深度学习的双目立体匹配递归网络的构建方法，其特征在于，所述对初始的3d代价体分别从平面和空间两个方向应用十字交叉注意力遍历，经过相关性计算的d的3d代价...
【专利技术属性】
技术研发人员：孙海江，王加冕，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
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。