[發(fā)明專利]基于斜面代價(jià)聚合的立體匹配的方法、裝置和存儲(chǔ)介質(zhì)在審
| 申請(qǐng)?zhí)枺?/td> | 202210338837.1 | 申請(qǐng)日: | 2022-04-01 |
| 公開(公告)號(hào): | CN114708219A | 公開(公告)日: | 2022-07-05 |
| 發(fā)明(設(shè)計(jì))人: | 郭裕蘭;汪赟;王龍光 | 申請(qǐng)(專利權(quán))人: | 中山大學(xué)·深圳;中山大學(xué) |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00;G06N3/04;G06K9/62;G06V10/74 |
| 代理公司: | 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205 | 代理人: | 梁嘉琦 |
| 地址: | 518107 廣東省深圳市*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 斜面 代價(jià) 聚合 立體 匹配 方法 裝置 存儲(chǔ) 介質(zhì) | ||
1.一種基于斜面代價(jià)聚合的立體匹配的方法,其特征在于,所述基于斜面代價(jià)聚合的立體匹配的方法包括以下步驟:
獲取第一圖像和第二圖像;所述第一圖像和所述第二圖像可以組成立體對(duì)圖像;
對(duì)所述第一圖像和所述第二圖像進(jìn)行特征圖矩陣相乘處理,獲得第一代價(jià)體;
對(duì)所述第一代價(jià)體進(jìn)行初始視差估計(jì),獲得初始視差圖;
執(zhí)行多輪循環(huán)迭代操作;在每一輪所述循環(huán)迭代操作中,根據(jù)目標(biāo)斜面參數(shù)和目標(biāo)視差圖構(gòu)建出本輪的多個(gè)斜面,根據(jù)各所述斜面,對(duì)所述第一代價(jià)體中以像素為中心的鄰域內(nèi)執(zhí)行l(wèi)ookup操作,追溯得到本輪的追溯代價(jià)體,對(duì)所述追溯代價(jià)體執(zhí)行自適應(yīng)聚合,獲得本輪的上下文特征圖,將目標(biāo)視差圖、本輪的所述追溯代價(jià)體以及本輪的所述上下文特征圖輸入至門激活單元,所述門激活單元輸出本輪的視差圖、本輪的斜面參數(shù)以及本輪的upmask圖;
其中,對(duì)于第一輪所述循環(huán)迭代操作,所述目標(biāo)斜面參數(shù)為初始設(shè)定的斜面參數(shù),所述目標(biāo)視差圖為所述初始視差圖;對(duì)于除第一輪循環(huán)迭代操作之外的其他各輪所述循環(huán)迭代操作,所述目標(biāo)斜面參數(shù)為上一輪循環(huán)迭代操作得到的斜面參數(shù),所述目標(biāo)視差圖為上一輪循環(huán)迭代操作得到的視差圖;
對(duì)最后一輪循環(huán)迭代操作得到的視差圖和upmask圖進(jìn)行處理,獲得原分辨率視差圖。
2.根據(jù)權(quán)利要求1所述的基于斜面代價(jià)聚合的立體匹配的方法,其特征在于,所述基于斜面代價(jià)聚合的立體匹配的方法,還包括:
在對(duì)所述第一圖像和所述第二圖像進(jìn)行特征圖矩陣相乘處理之前,對(duì)所述第一圖像和所述第二圖像進(jìn)行極線校正處理。
3.根據(jù)權(quán)利要求1或2所述的基于斜面代價(jià)聚合的立體匹配的方法,其特征在于,所述對(duì)所述第一圖像和所述第二圖像進(jìn)行特征圖矩陣相乘處理,獲得第一代價(jià)體,包括:
分別對(duì)所述第一圖像和所述第二圖像依次進(jìn)行多次的特征圖提取操作,獲得所述第一圖像對(duì)應(yīng)的第一特征圖以及所述第二圖像對(duì)應(yīng)的第二特征圖;
將所述第一特征圖與所述第二特征圖進(jìn)行矩陣相乘,獲得所述第一代價(jià)體。
4.根據(jù)權(quán)利要求3所述的基于斜面代價(jià)聚合的立體匹配的方法,其特征在于,所述分別對(duì)所述第一圖像和所述第二圖像依次進(jìn)行多次的特征圖提取操作,獲得所述第一圖像對(duì)應(yīng)的第一特征圖以及所述第二圖像對(duì)應(yīng)的第二特征圖,包括:
對(duì)所述第一圖像進(jìn)行一次kernel=7,stride=2的卷積,獲得特征圖feature map101;對(duì)所述第二圖像進(jìn)行一次kernel=7,stride=2的卷積,獲得特征圖feature map102;
對(duì)特征圖feature map101進(jìn)行一次stride=1的卷積后,通過殘差連接操作獲得特征圖feature map201;對(duì)特征圖feature map102進(jìn)行一次stride=1的卷積后,通過殘差連接操作獲得特征圖feature map202;
對(duì)特征圖feature map101進(jìn)行一次stride=2的卷積后,通過殘差連接操作獲得特征圖feature map301;對(duì)特征圖feature map202進(jìn)行一次stride=2的卷積后,通過殘差連接操作獲得特征圖feature map302;
對(duì)特征圖feature map301進(jìn)行一次stride=2的卷積后,通過殘差連接操作獲得特征圖feature map401;對(duì)特征圖feature map302進(jìn)行一次stride=2的卷積后,通過殘差連接操作獲得特征圖feature map402;
對(duì)特征圖feature map401進(jìn)行一次stride=1的卷積,獲得所述第一特征圖featuremap501;對(duì)特征圖feature map402進(jìn)行一次stride=1的卷積,獲得所述第二特征圖feature map502。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中山大學(xué)·深圳;中山大學(xué),未經(jīng)中山大學(xué)·深圳;中山大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210338837.1/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- FPGA芯片的局部布局的優(yōu)化方法
- 一種代價(jià)估計(jì)的方法及設(shè)備
- 一種深度信息確定方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 一種基于GPU的雙目匹配算法的方法及處理裝置
- 視差圖的獲取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 圖像立體匹配方法
- 圖像處理方法、裝置、電子設(shè)備和計(jì)算機(jī)可讀介質(zhì)
- 一種基于特定類的多目標(biāo)代價(jià)敏感屬性約簡(jiǎn)算法
- 一種礦區(qū)無人駕駛車輛的泊車方法及系統(tǒng)
- 一種礦區(qū)無人駕駛車輛的泊車方法及系統(tǒng)





