CN115719424B 一種雙目立體匹配方法 （中國科學院長春光學精密機械與物理研究所）_第1頁
CN115719424B 一種雙目立體匹配方法 （中國科學院長春光學精密機械與物理研究所）_第2頁
CN115719424B 一種雙目立體匹配方法 （中國科學院長春光學精密機械與物理研究所）_第3頁
CN115719424B 一種雙目立體匹配方法 （中國科學院長春光學精密機械與物理研究所）_第4頁
CN115719424B 一種雙目立體匹配方法 （中國科學院長春光學精密機械與物理研究所）_第5頁
已閱讀5頁，還剩11頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

極線方向注意力機制的兩個共享權重的堆疊孿分辨率的左特征圖和低于右圖像分辨率的右特目立體系統的初始圖像的深度圖像。通過對GA-計算速度；采用低分辨率圖像輸入卷積神經網2S1、輸入左圖像和右圖像，分別通過均加入集中所述集中極線方向注意力機制包括集中寬度方向的注意力分支和自身加強的注意力通過所述集中寬度方向的注意力分支對所述左圖像逐次進行卷通過所述自身加強的注意力分支對所述右圖像逐次進行卷積操作，對提取得到的所述左圖像的寬度特征和所述右圖像的寬度特征進行所述深度特征用于指導所述共享權重的堆疊孿生卷積神經網絡S2、利用所述左特征圖和所述右特征圖構建代價體S3、根據構建的學習權重的引導網絡，對所述2.根據權利要求1所述的雙目立體匹配方法，其特征在于，在步驟S1之前還包括步驟S301、利用所述SGA分支對所述雙目立體系統的初始圖像的視差圖進行第一次視差聚3行精確的極線校正后，可以估計這對立體圖像對之間的對應像素點之間的水平位置差異，[0007]隨著卷積神經網絡的發展，在2015年人們第一次將卷積神經網絡用在立體匹配深度學習與傳統方法相結合，通過Semi-GlobalAggregation(SGA)和LocalGuided不同功能網絡所用到的注意力模塊是使用卷積對二維圖像進行整體或區域特征的進一步45[0038]本發明的目的是提供一種雙目立體匹配方法，通過加入集中極線方向注意力機[0042]本發明中的兩個共享權重的堆疊孿生卷積神經網絡的是基于GA-Net的特征提取對左圖像和右圖像進行處理，將左圖像和右圖像下采樣到雙目立體系統的初始圖像的1/8[0044]現有的其他不同功能網絡所用到的注意力模塊是使用卷積對二維圖像進行整體6[0048]通過集中寬度方向的注意力分支W_attention對左圖像逐次進行卷積的操作，對左圖像的寬度進行特征提取；通過加身加強的注意力K_attention分支分對右圖像逐次進[0049]最后用類似殘差相加的方式對提取的左圖像的深層特征和提取的右圖像的深層[0054]S301、利用SGA分支對步驟S2中獲取的雙目立體系統的初始圖像的視差圖進行第[0059]利用邊緣分支進行引導聚合，通過原彩色圖像中的邊緣7術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論