科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>本文提出了一种基于改进AD-Census的立体匹配算法，旨在获得最优匹配代价，引入机器学习训练特征思想和数据分析思想，以此获取最优代价对应的匹配效果。对于AD代价函数，引入了动态参数，便于动态调参。用基本单位化操作和异化操作调整AD代价函数结构，用于更密的代价集合，且便于配合最优动态参数获取最优代价。考虑到AD匹配代价的不足之处，将新改进后的AD代价和Census代价进行代价融合，得到最优AD代价。最优AD代价匹配算法的实验结果表明，匹配精度更高，鲁棒性更好。实验应用Middlebury数据集，平均误匹率相较于AD-Census算法整体平均提高了3.9002%。
- 单位
