计算机工程

作者：刘建国, 纪郭, 颜伏伍, 沈建宏, 孙云飞

单位：1. 先进能源科学与技术广东省实验室佛山分中心(佛山仙湖实验室), 广东 佛山 528200;2. 武汉理工大学 现代汽车零部件技术湖北省重点实验室, 武汉 430070;3. 汽车零部件技术湖北省协同创新中心, 武汉 430070;4. 湖北省新能源与智能网联车工程技术研究中心, 武汉 430070;5. 宁波华德汽车零部件有限公司, 浙江宁波 315000

关键词：立体匹配,视差优化,浅层特征,匹配代价卷,损失函数

基金：国家自然科学基金（51975434）；先进能源科学与技术广东省实验室佛山分中心（佛山仙湖实验室）开放基金（XHD2020-003）。

现有的立体匹配算法通常采用深层卷积神经网络提取特征，对前景物体的检测更加精细，但对背景中的小物体及边缘区域匹配效果较差。为提高视差估计质量，构建一个基于视差优化的立体匹配网络CTFNet。分别提取浅层与深层特征，并基于深层特征构建全局稀疏代价卷，从而预测初始视差图。在预测的初始视差图和浅层特征的基础上构建局部稠密代价卷并进行视差优化，以细化预测视差值邻域的概率分布，提高特征不明显区域的匹配精度。此外，引入新的概率分布损失函数，监督softmax函数计算的视差值概率分布在真实视差值附近成单峰分布，提高算法的鲁棒性。实验结果表明，该网络在SceneFlow和KITTI数据集上的误匹配率分别为0.768%和1.485%，在KITTI测评网站上的误差率仅为2.20%，与PSMNet网络相比，精度和速度均得到一定提升。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期