文档名：基于深度学习的patchmatch双目三维重建
以patch-match为核心的算法在双目立体重建中有着广泛应用,因其具有低内存消耗、重建精度高等优良性能;然而,传统patch-match算法需要有序地对图像中的每一个像素点进行迭代求取最优视差值d,从而导致运行时间较高.为了解决该问题,在传统patch-match算法的基础上引入基于学习的模型作为指导来降低运行时间,提高立体重建精度.利用深度学习模型输出每个像素伴有异方差不确定度的初始视差图,异方差不确定度用于衡量网络模型所预测视差值的准确度;将异方差不确定度和初始视差作为patch-match算法的先验信息;在平面细化步骤中,利用每个像素点的异方差不确定度大小动态调整其搜索区间,实现减少运行时间的目标.在Middlebury数据集上,通过与原有算法比较可知,改进后的算法在运行时间上减少20％,同时,在不连续等区域上的重建精度得到略微提高.
作者：宋力争林冬云彭侠夫刘腾飞
作者单位：厦门大学航空航天学院,福建厦门361005
母体文献：第三届军用光电技术发展论坛论文集
会议名称：第三届军用光电技术发展论坛
会议时间：2022年4月1日
会议地点：南京
主办单位：西安应用光学研究所
语种：chi
分类号：
关键词：三维重建 深度学习 图像处理 初始视差图
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 9.18 MB
- 下载次数:
- 60
-
高速下载
|
|
