-
题名全局上下文引导的双代价聚合立体匹配网络
- 1
-
-
作者
方伟舟
孟小艳
周洪
丁晓晨
-
机构
新疆农业大学计算机与信息工程学院
智能农业教育部工程研究中心
新疆农业信息化工程技术研究中心
-
出处
《现代电子技术》
北大核心
2025年第17期104-111,共8页
-
基金
“新一代人工智能”国家科技重大专项(2022ZD0115805)
新疆维吾尔自治区重大科技专项:农场数字化及智能化关键技术研究(2022A02011)。
-
文摘
针对目前立体匹配算法在无纹理、遮挡区域和边缘模糊区域存在的问题,提出一种全局上下文引导的双代价聚合立体匹配网络——GCDANet。首先,在特征提取部分利用引导全局上下文特征的注意力模块捕获特征的细节与丰富的全局上下文信息,提高特征的表达能力和鲁棒性;其次,构建组相关代价体和拼接代价体,每个代价体单独处理;然后,提出一个双分支代价聚合结构,通过设计的多尺度注意力特征融合模块,融合代价聚合网络上下分支的特征以及特征提取模块中的多尺度特征,从而获得准确和高分辨率的几何信息;最后,通过视差回归以获得视差图。实验结果表明,GCDANet在多个数据集上的性能优于基准模型(GWCNet)。在SceneFlow数据集中的评价指标EPE和D_(1)降至0.60 pixel和2.08%,在KITTI2012数据集中的评价指标3 pixel-All和3 pixel-Noc降至1.61%和1.29%。在KITTI2015数据集测试的评价指标中,所有像素区域的D_(1)-All降至1.94%。所提网络在处理复杂场景时具有较强的适应性和精确性,在自动驾驶、目标检测和三维重建等需要精确立体匹配领域有着广泛的应用前景。
-
关键词
立体匹配
特征提取
全局上下文信息
代价体
双分支代价聚合
多尺度特征
特征融合
视差回归
-
Keywords
stereo matching
feature extraction
global context information
cost volume
dual-branch cost aggregation
multi-scale feature
feature fusion
disparity regression
-
分类号
TN711-34
[电子电信—电路与系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
