申请/专利权人：燕山大学

申请日：2021-12-03

公开（公告）日：2022-04-15

公开（公告）号：CN114359589A

主分类号：G06V10/74

分类号：G06V10/74;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.05.03#实质审查的生效;2022.04.15#公开

摘要：本发明公开了基于逐组SAD成本量和特征重利用的双目立体匹配算法，本发明提出采用逐组SAD的方法去计算成本量，相减可以更明确的表征特征间的相似性，区域的相减考虑了周围像素的信息和上下文信息，可以更加明确的计算特征间的相似性，与全相关和逐组相关相比，提高了成本量的准确性，为3D聚合部分提供了更加精确的信息，进而提高了立体匹配的精度；并且构建了基于稠密连接的特征重利用聚合网络，采用稠密连接的原理对代价聚合部分的多尺寸信息进行重复利用，减少了在编码解码过程中信息的丢失，在一定程度上提高了代价聚合网络的有效性，在不增加时间消耗的前提下，提高了聚合网络的效率，在没有增加时间的前提下进一步提高了匹配精度。

主权项：1.基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：包括如下步骤：S1、输入通过水平放置的两台相机拍摄得到的左右立体图像；S2、对输入的左右立体图像进行一元特征的提取，构建相应的一元特征体积；S3、对提取的一元特征体积采用逐组SAD方法进行匹配值的计算，构建具有相似度信息的逐组SAD成本量；S4、采用基于稠密连接的多尺度成本量重利用的代价聚合网络对构建的逐组SAD成本量进行反复的上下文信息学习，输出具有精确像素相似度信息的成本量；S5、将输出的成本量采用上采样操作恢复到原图像尺寸，采用softmax函数将上采样得到的原尺寸成本量转换为概率量，然后采用softargmin函数计算预测视差值，输出预测视差图，采用SmoothL1损失函数对网络训练过程中的数据进行约束。

全文数据：

权利要求：

百度查询： 燕山大学 基于逐组SAD成本量和特征重利用的双目立体匹配算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD