基于深度学习的patch-match双目三维重建
以patch-match 为核心的算法在双目立体重建中有着广泛应用,因其具有低内存消耗、重建精度高等优良性能；然而,传统patch-match 算法需要有序地对图像中的每一个像素点进行迭代求取最优视差值d,从而导致运行时间较高。为了解决该问题,在传统patch-match 算法的基础上引入基于学习的模型作为指导来降低运行时间,提高立体重建精度。利用深度学习模型输出每个像素伴有异方差不确定度的初始视差图,异方差不确定度用于衡量网络模型所预测视差值的准确度；将异方差不确定度和初始视差作为patch-match 算法的先验信息；在平面细化步骤中,利用每个像素点的异方差不确定度大小动态调整其搜索区间,实现减少运行时间的目标。在Middlebury数据集上,通过与原有算法比较可知,改进后的算法在运行时间上减少20％,同时,在不连续等区域上的重建精度得到略微提高。
三维重建 深度学习 异方差不确定度 精度
宋力争 林冬云 彭侠夫 刘腾飞
厦门大学 航空航天学院,福建 厦门 361005
国内会议
南京
中文
436-443
2022-04-01（万方平台首次上网日期，不代表论文的发表时间）