CN115719424B 一种双目立体匹配方法 （中国科学院长春光学精密机械与物理研究所）_第1页
CN115719424B 一种双目立体匹配方法 （中国科学院长春光学精密机械与物理研究所）_第2页
CN115719424B 一种双目立体匹配方法 （中国科学院长春光学精密机械与物理研究所）_第3页
CN115719424B 一种双目立体匹配方法 （中国科学院长春光学精密机械与物理研究所）_第4页
CN115719424B 一种双目立体匹配方法 （中国科学院长春光学精密机械与物理研究所）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

极线方向注意力机制的两个共享权重的堆叠孪分辨率的左特征图和低于右图像分辨率的右特目立体系统的初始图像的深度图像。通过对GA-计算速度；采用低分辨率图像输入卷积神经网2S1、输入左图像和右图像，分别通过均加入集中所述集中极线方向注意力机制包括集中宽度方向的注意力分支和自身加强的注意力通过所述集中宽度方向的注意力分支对所述左图像逐次进行卷通过所述自身加强的注意力分支对所述右图像逐次进行卷积操作，对提取得到的所述左图像的宽度特征和所述右图像的宽度特征进行所述深度特征用于指导所述共享权重的堆叠孪生卷积神经网络S2、利用所述左特征图和所述右特征图构建代价体S3、根据构建的学习权重的引导网络，对所述2.根据权利要求1所述的双目立体匹配方法，其特征在于，在步骤S1之前还包括步骤S301、利用所述SGA分支对所述双目立体系统的初始图像的视差图进行第一次视差聚3行精确的极线校正后，可以估计这对立体图像对之间的对应像素点之间的水平位置差异，[0007]随着卷积神经网络的发展，在2015年人们第一次将卷积神经网络用在立体匹配深度学习与传统方法相结合，通过Semi-GlobalAggregation(SGA)和LocalGuided不同功能网络所用到的注意力模块是使用卷积对二维图像进行整体或区域特征的进一步45[0038]本发明的目的是提供一种双目立体匹配方法，通过加入集中极线方向注意力机[0042]本发明中的两个共享权重的堆叠孪生卷积神经网络的是基于GA-Net的特征提取对左图像和右图像进行处理，将左图像和右图像下采样到双目立体系统的初始图像的1/8[0044]现有的其他不同功能网络所用到的注意力模块是使用卷积对二维图像进行整体6[0048]通过集中宽度方向的注意力分支W_attention对左图像逐次进行卷积的操作，对左图像的宽度进行特征提取；通过加身加强的注意力K_attention分支分对右图像逐次进[0049]最后用类似残差相加的方式对提取的左图像的深层特征和提取的右图像的深层[0054]S301、利用SGA分支对步骤S2中获取的双目立体系统的初始图像的视差图进行第[0059]利用边缘分支进行引导聚合，通过原彩色图像中的边缘7术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论