融合边缘信息的立体匹配网络研究.pdfVIP

信息与电脑

2024年第22期InformationComputer网络与信息

融合边缘信息的立体匹配网络研究

黄家熙周晓聪

（中山大学计算机学院，广东广州511400）

摘 要：在计算机视觉领域，深度信息是一个重要的基础信息，在三维重建、自动驾驶等应用中发挥着至关重要的

作用。立体匹配是获取深度信息的常用方法，神经网络的应用大大提高了深度信息的精度，但在遮挡或无纹理区域会造

成精度下降。文章提出了一种融合边缘特征的立体匹配网络，引入一个边缘检测子网络，并通过联合学习视差和边缘特

征，在边缘信息的引导下估计视差图。实验结果表明，该方法在SceneFlow和KITTI数据集上的精度有所提升，并且训

练效率也得到了提高。

关键词：立体匹配；视差估计；边缘检测

中图分类号：TP183   文献标识码：A   文章编号：1003-9767（2024）22-095-03

ResearchonStereoscopicMatchingNetworkIntegratingEdgeInformation

HUANGJiaxi,ZHOUXiaocong

(SchoolofComputerScienceandEngineering,SunYat-SenUniversity,GuangzhouGuangdong511400,China)

Abstract:Inthefieldofcomputervision,depthinformationisanimportantfoundationalinformationthatplaysacrucial

roleinapplicationssuchas3Dreconstructionandautonomousdriving.Stereomatchingisacommonmethodforobtaining

depthinformation,andtheapplicationofneuralnetworksgreatlyimprovestheaccuracyofdepth.However,itstillcausesa

decreaseinaccuracyinoccludedortexturelessareas.Thisarticleproposesastereomatchingnetworkthatintegratesedge

features,introducesanedgedetectionsubnetwork,andjointlylearnsdisparityandedgefeatures,andestimatesdisparity

mapsundertheguidanceofedgeinformation.Theexperimentalresultsshowthattheaccuracyofthemethodisimprovedon

SceneFlowandKITTIdatasets,andthetrainingefficiencyisalsoimproved.

Keywords:stereoscopicmatching;disparityestimation;edgedetection

0 引言解决该问题，本文提出了一种融合边缘特征的方法。该

计算机视觉研究致力于使机器能够解读视觉信息。方法通过一个专门的边缘检测子网络来提取图像的边缘

目前，这项技术在三维重建、移动机器人和自动驾驶等特征，并将其与左右图像的特征相结合。通过这种方式，

领域得到了广泛的应用。在这些应用中，深度信息扮演边缘特征的权重得到了增强。在边缘信息的引导下，进

着基础且至关重要的角色。准确的深度信息能够