为了提高立体匹配的准确性与时效性,改善传统代价聚合算法计算复杂及精度不高的问题,论文提出了一种基于改进3D卷积神经网络的代价聚合算法。该方法通过运用3D卷积神经网络对由代价计算得到的代价空间进行聚合,使匹配沿着视差维度和空间维度聚合特征信息,并在此基础上将3D残差网络、3D密集连接网络引入代价聚合的计算中;最后使用视差回归对经过3D卷积处理得到的特征图进行视差精化,获得高精度的视差图。通过在标准数据集KITTI上的测试实验证明了该方法具有较高的精度与时效性。
科研之友
微信
新浪微博
Facebook
分享链接
