本发明是一种基于水平树结构的可变权重代价聚合立体匹配算法,该方法包括计算匹配代价、计算引导图像、构建水平权值树与垂直权值树、代价聚合、更新权值树、代价聚合和视差优化等阶段。在代价聚合阶段获得初始视差值后,对四领域图边的权值进行相应的调整,将平滑约束和权值调整结合起来,通过对四领域图边的权值更新,构建新的水平权值树和垂直权值树,沿着水平树、垂直树聚合,代价聚合结果表明对背景区域和图像边界区域匹配精度有一定提高。
📄 2017105596645
📂 G06T7_593
👤 江南大学
📅 2017-07-11
本发明公开了基于逐组SAD成本量和特征重利用的双目立体匹配算法,本发明提出采用逐组SAD的方法去计算成本量,相减可以更明确的表征特征间的相似性,区域的相减考虑了周围像素的信息和上下文信息,可以更加明确的计算特征间的相似性,与全相关和逐组相关相比,提高了成本量的准确性,为3D聚合部分提供了更加精确的信息,进而提高了立体匹配的精度;并且构建了基于稠密连接的特征重利用聚合网络,采用稠密连接的原理对代价聚合部分的多尺寸信息进行重复利用,减少了在编码解码过程中信息的丢失,在一定程度上提高了代价聚合网络的有效性,在不增加时间消耗的前提下,提高了聚合网络的效率,在没有增加时间的前提下进一步提高了匹配精度。
📄 2021114744820
📂 G06V10_74
👤 燕山大学
📅 2021-12-03