立體視覺作為計算機視覺最為熱門的研究領(lǐng)域,，廣泛應(yīng)用于車輛的自動駕駛、機器人導(dǎo)航,、三維重建,、物體檢測和識別等方面。立體匹配作為立體視覺系統(tǒng)中的核心技術(shù),，其匹配的精確度決定著整個系統(tǒng)的性能,。由于拍攝的立體圖像大多存在噪聲干擾、重復(fù)紋理、低紋理和遮擋區(qū)域等問題,，并且受到光照條件的影響,，如何高效快速地獲取精準(zhǔn)的視差圖仍存在著諸多挑戰(zhàn)。

立體匹配算法的典型流程包含匹配代價計算,、代價聚合,、視差計算和視差優(yōu)化四個步驟［1］，其又分為全局算法和局部算法,。局部算法通常使用固定大小的窗口或可變的窗口來計算初始代價,，例如Census算法等，實現(xiàn)都比較簡便,，但是在視差突變區(qū)域存在諸多弊端,，對低紋理和遮擋區(qū)域匹配效果差。全局匹配算法通過建立全局能量函數(shù),，利用最小化全局能量函數(shù)來獲取最優(yōu)的視差值［2］,。常用的全局匹配算法包含動態(tài)規(guī)劃、圖割法,、置信傳播法,、遺傳算法等。全局匹配算法隨著計算復(fù)雜度的提升,，匹配效果較局部算法有所提升,，但數(shù)據(jù)依賴性大導(dǎo)致運行速度慢，需要花費很長的時間進行計算,。

為了解決傳統(tǒng)立體匹配算法在低紋理,、遮擋區(qū)域的匹配效果差的問題，本文研究了一種端到端的基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配算法,，并利用了空洞空間金字塔池化(ASPP)［3］網(wǎng)絡(luò)獲取圖像的上下文信息和多尺度的三維卷積網(wǎng)絡(luò)來擴大圖像的感受野,。最終獲得的視差圖的精度遠(yuǎn)高于傳統(tǒng)匹配算法，對圖像的邊緣,、遮擋區(qū)域的匹配效果都非常優(yōu)異,。

本文詳細(xì)內(nèi)容請下載：http://forexkbc.com/resource/share/2000003083

作者信息：

魯志敏，袁勛,，陳松(中國科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院,，安徽 合肥 230026)