本发明公开了一种基于稠密网络深度学习的双目立体匹配方法及系统。首先预处理含有真实值的立体图像对,构造用于网络学习的训练样本；然后训练用于计算匹配代价的稠密卷积神经网络模型；最后利用交叉聚合算法优化匹配代价,并通过WTA策略计算最优视差,获得相应的视差图。本发明方法采用稠密卷积神经网络模型在卷积层提取特征过程中多次重复利用特征图,试图寻找到一个更好的匹配代价,有效解决了在弱纹理区域无法精确寻找到像素匹配点以及细节特征表现效果差的问题,具有更高的计算精度和较好的鲁棒性。
科研之友
微信
新浪微博
Facebook
分享链接
