检索结果-内蒙古大学图书馆

中国图象图形学报 2022年第2期27卷 447-460页

作者：晏敏王军政李静北京理工大学自动化学院北京100081

目的双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT(recurrent all-pairs field transforms)的启发,本文... 详细信息

目的双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT(recurrent all-pairs field transforms)的启发,本文提出采用单、双边多尺度相似性迭代查找的方法实现高精度的双目视差估计。针对方法在不同区域估计精度和置信度不一致的问题,提出了左右图像视差估计一致性检测提取可靠估计区域的方法。方法采用金字塔池化模块、跳层连接和残差结构的特征网络提取具有强表征能力的表示向量,采用向量内积表示像素间的相似性,通过平均池化得到多尺度的相似量,第0次迭代集成初始视差量,根据初始视差单方向向左查找多尺度的相似性得到的大视野相似量和上下文3种信息,而其他次迭代集成更新的视差估计量,根据估计视差双向查找多尺度的相似性得到的大视野相似量和上下文3种信息,集成信息通过第0次更新的卷积循环神经网络和其他次更新共享的卷积循环神经网络迭代输出视差的更新量,多次迭代得到最终的视差估计值。之后,通过对输入左、右图像反序和左右翻转估计右图视差,对比左、右图匹配点视差差值的绝对值和给定阈值之差判断视差估计置信度,从而实现可靠区域提取。结果本文方法在Sceneflow数据集上得到了与先进方法相当的精度,平均误差只有0.84像素,并且推理时间有相对优势,可以和精度之间通过控制迭代次数灵活平衡。可靠区域提取后,Sceneflow数据集上误差进一步减小到了历史最佳值0.21像素,在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago)双目测试数据集上,估计区域评估指标最优。结论本文方法对于双目视差估计具有优越性能,可靠区域提取方法能高效提取高精度估计区域,极大地提升了估计区域的可靠性。

关键词：双目视差估计遮挡卷积循环神经网络深度学习监督学习

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的双目视差估计

基于神经网络的双目视差估计

引用

作者：潘雅哈尔滨工程大学

学位级别：硕士

In recent years, Vision Systems have found their ways into many *** includes fields such as computer graphics, medical, industries such asassembly line inspection and object manipulation. The application of ComputerVision technology to factory automation, Machine Vision, is growing at rapid *** in most Machine Vision systems an algorithm is needed to infer 3Dinformation regarding the objects in the field of view. In this thesis presents an updated Stereo Matching Algorithm of MSOM(Modify Self Organized Maps). This technique based on artificial neural *** the learning rule to similarity and differentiation of both sides of the eyes tofind the most overlapping position of the images, give the best clarity for humanvisualization of 3D images, in the machine procedure on stereo vision *** selection and extraction is an important step for disparity plan. Throughstudying of several feature detector method found that image gradient filter hasdirection and can calculate the horizontal, vertical and diagonal direction of theimage and provides enough information regarding the critical points that an objectcan be characterized. In original MSOM algorithm estimating the disparity and shown the result ingray scale cannot see the distance of the objects. In this method we used aself-adapting dissimilarity measure for extract a disparity plane. Then estimatingdisparity by update the original MSOM to calculate the disparity and also indicatethe depth of the objects in the image. Red color represents nearest object thenGreen and Blue represent to furthest object. Keyword:binocular disparity; stereo-pai; modify self-organizing map (MSOM);stereo matching; self-adapting dissimilarity measure

关键词：神经网络双目视差估计目标操作

来源：评论

学校读者我要写书评

暂无评论

面向自动驾驶场景的双目视差估计研究

面向自动驾驶场景的双目视差估计研究

引用

作者：丁奕飞大连理工大学

学位级别：硕士

双目视差估计(或称立体匹配Stereo Matching)是利用两个摄像头(双目)视图来估计视差并转换为深度,得到该视角下稠密深度信息的任务。双目视差估计技术对汽车在自动驾驶场景中了解自身位置、感知周围危险至关重要。虽然随着深度学习的发... 详细信息

双目视差估计(或称立体匹配Stereo Matching)是利用两个摄像头(双目)视图来估计视差并转换为深度,得到该视角下稠密深度信息的任务。双目视差估计技术对汽车在自动驾驶场景中了解自身位置、感知周围危险至关重要。虽然随着深度学习的发展,基于网络学习的双目视差估计弥补了传统方法在特征提取和代价聚合方面的不足。但是,这些方法在大面积无纹理、遮挡、眩光区域中仍然受限于判别性特征的缺失或错误,存在匹配和估计不够精确的问题。为解决上述问题,本文探索并发现基于单个摄像头获得的深度线索由于主要来源于物体尺度先验、语义信息等,这与立体匹配所需的判别性特征不同,因此基于单视角的深度区间分类方法在大面积无纹理、遮挡、眩光区域中不易受到第二个视角的干扰。据此,本文提出了一种基于深度区间分类方法的双目深度估计网络,解决了立体匹配算法在匹配特征缺失区域精度下降的问题。首先,为了更有效地融合逐像素的深度区间分类结果,本文提出了利用平面法向量信息的视差代价体分辨率恢复模块,该模块利用低尺度像素位置的多维特征为高分辨率邻域预测空间法平面,有效地获得高精度的视差图。此外,为了让匹配特征缺失的区域边界得到正确预测,本文探究了特征缺失区域在代价、特征值上的表现,设计了定位模块,通过对相对代价、代价方差等少量信息进行编解码,该模块获得了特征缺失区域的定位软标签。最后,本文还提出了自适应代价值分布调整的后处理精化模块,选择性地调整代价分布,在融合深度区间分类结果的同时保留精细结构的代价峰值。值得注意的是,本文的融合模块会动态地让部分区域的预测策略退化为单视角的深度预测算法,实验证明在单个摄像头污损失效的极限情况下本文算法仍有效。在KITTI、Scene Flow等标准数据集上进行的多组对比实验说明本文提出的方法有效结合了深度区间分类方法的优势,解决了双目深度估计算法在无纹理、遮挡、眩光区域中误匹配问题,并在标准数据集上带来了显著的精度提升。

关键词：双目视差估计自动驾驶注意力机制单目深度区间分类深度学习

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的双目视差估计

基于卷积神经网络的双目视差估计

引用

作者：张运辉杭州电子科技大学

学位级别：硕士

近年来，CNN在计算机视觉的许多任务都取得了非常突出的成果，比如图像识别，检测和分割等。双目立体视觉是计算机视觉的一个重要分支，主要任务是估计立体图片对的视差，在许多任务中有着广泛的应用。随着卷积神经网络的发展，许多学... 详细信息

近年来，CNN在计算机视觉的许多任务都取得了非常突出的成果，比如图像识别，检测和分割等。双目立体视觉是计算机视觉的一个重要分支，主要任务是估计立体图片对的视差，在许多任务中有着广泛的应用。随着卷积神经网络的发展，许多学者开始使用卷积神经网络估计双目视差，把计算稠密双目视差转换成了学习问题，并且在性能上远远的超过了传统算法。本文首先介绍了双目立体匹配的一些基本概念，以及近几年国内外的研究现状，并且对卷积神经网络在双目立体匹配进行研究，并提出了一种新的级联几何上下文网络，实验证明本文提出的级联几何上下文网络在某些方面优于的其他工作。本文的主要工作如下：　　（1）使用几何上下文网络学习一个初步的视差结果。在这个网络结构中，本文首先使用残差结构提取特征，再通过循环偏移构造出匹配代价集合（CostVolume），然后再使用3D卷积与3D反卷积学习上下文信息，最后使用SoftArgMin计算视差输出结果。　　（2）使用在线难例挖掘改善了边缘结果较差的问题。在实验过程中，本文发现，在图像的边缘上错误率很高，因此本文提出一种像素级别的难例挖掘。在卷积神经网络反向传播时，只选择Loss较大的部分像素进行反向传播，使得模型更加专注于较难的像素样本。　　（3）使用一个RefineNet对结果进行求精。在传统双目立体匹配算法中，通常最后会使用一些方法对视差进行求精。本文使用了一个神经网络学习上一步的结果与真实标签（GroundTruth）的残差，本文在实验结果中发现，这一方法使得在图像中一些出现畸变带来的误差有所改善。　　（4）本文在KITTIStereo2015和SceneFlow上进行训练并且在KITTIStereo2015测试集上测试，最终将本文的结果提交在KITTIStereo2015，截止2018年4月，我们处于第八名的位置。

关键词：立体匹配双目视差估计级联卷积神经网络深度学习残差学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

自动驾驶场景下的端到端双目视差估计研究

自动驾驶场景下的端到端双目视差估计研究

引用

作者：高晶哈尔滨理工大学

学位级别：硕士

双目视差估计(又称立体匹配)是一种对某一视角下的深度信息进行估计的技术,它首先通过对两个摄像头捕捉到的左右视图进行视差估计,再利用相机内置参数将视差图转换为深度图。近年来,自动驾驶技术备受瞩目,自动驾驶场景中获取深度信息对... 详细信息

双目视差估计(又称立体匹配)是一种对某一视角下的深度信息进行估计的技术,它首先通过对两个摄像头捕捉到的左右视图进行视差估计,再利用相机内置参数将视差图转换为深度图。近年来,自动驾驶技术备受瞩目,自动驾驶场景中获取深度信息对于感知周围危险至关重要,随着深度学习的不断发展,使得双目视差估计的研究也取得了突破性的进展,因此自动驾驶场景下的双目视差估计研究具有极高的研究价值。虽然基于深度学习的双目视差估计研究一定程度上改善了传统方法由于人工干预带来的问题,但是这些方法在一些病态区域如大面积无纹理、眩光、遮挡区域中,仍会由于关键特征信息的缺失或是错误而导致特征匹配和视差估计不够精确的问题。针对以上问题,本文研究内容主要包括以下方面:(1)选取PSMNet网络进行深入研究,对模型的结构进行分析,为进一步降低模型在病态区域的误匹配率,在特征提取阶段,将普通卷积核替换为一种基于结构重参数化的多分支块,提升特征提取能力;在残差网络中引入基于规范化的注意力机制,构成通道残差注意力模块,进一步抑制不显著的通道;为了在不增加参数量的同时扩大感受野,在空间金字塔池化模块中加入空洞卷积。(2)为解决3D卷积导致计算量大、推理速度慢的问题,提出了融合自适应代价聚合的双目视差估计模型,使用自适应聚合替换级联的3D卷积代价聚合方式,将原有的自上而下/自下而上的沙漏型3D卷积网络替换成自适应代价聚合模块,加快模型推理速度。(3)为验证本文改进算法的有效性,采用公开数据集Scene Flow和KITTI2015进行实验验证,从主观和客观两个角度对改进后的模型进行实验分析。实验结果表明,改进后的模型推理时间大幅降低,在弱、无纹理等病态区域误匹配点减少,并且在两个数据集中都取得了较好的性能,均优于改进之前的模型。将本文提出的改进模型与其它的立体匹配网络模型进行对比,如AANet、PSMNet等,经实验表明,改进后的网络模型也具有一定的优越性。

关键词：双目视差估计深度学习结构重参数化自适应聚合

来源：评论

学校读者我要写书评

暂无评论

基于无人平台的三维稠密地图构建研究

基于无人平台的三维稠密地图构建研究

引用

作者：崔巍北京邮电大学

学位级别：硕士

无人平台的自主导航是一项极为复杂的问题,需要多种不同功能的模块来共同完成。其中的三维稠密地图构建模块是极其关键的一环。三维稠密地图的构建是计算机视觉(CV,Computer Vision)和机器人学方向的一个热门研究方向。为了满足无人设... 详细信息

无人平台的自主导航是一项极为复杂的问题,需要多种不同功能的模块来共同完成。其中的三维稠密地图构建模块是极其关键的一环。三维稠密地图的构建是计算机视觉(CV,Computer Vision)和机器人学方向的一个热门研究方向。为了满足无人设备能够安全进行导航或者执行更加高级的任务,我们的建图系统必须密集覆盖到真实场景中的所有环境信息,在保证精度的同时还要有足够的效率来节约内存资源。此外,为了能够适应不同的环境,建图系统要在室内外多尺度规模的环境下都能够稳定运行,具有出色的鲁棒性。旨在克服目前存在的问题和上述要求,本论文在基于视觉传感器的 SLAM(simultaneous localization and mapping)定位的基础上进行扩展,利用视觉传感器获得的深度信息,结合SLAM计算的位姿信息进一步融合得到三维稠密地图,并对影响基于视觉传感器的三维稠密地图构建系统的精度和效率因素进行了深入分析和研究。本文主要完成了下列三个方面的工作:1.针对基于视觉传感器的室内外三维稠密地图构建的质量强烈依赖于提供的深度图质量,而传统视觉测距方法难以得到精度较高的深度信息的问题,本文提出了一个基于深度神经网络的双目视差估计算法。利用NAS(Neural Architecture Search)进行自动搜索网络结构的基础上,融合 DCN(Deforable Convolutional Networks)。接着,为了提高双目视差差估计网络的精度,本文设计了一个新的自适应权重损失函数。为了验证本文提出的算法,在KITTI数据集上进行了测试验证。实验结果表明,相比于LEAStereo算法得到的模型,EPE(End Point Error)误差降低了 37%,视差估计精度提高了 2.9个百分点。2.针对 VINS(Visual-Inertial State Estimator)系统无法对不同硬件传感器之间的时间误差项进行动态优化更新的问题,本文提出一个基于双目惯导的传感器时间同步优化算法,在状态向量中添加了相机传感器和IMU之间的时间误差项来不断地进行重投影误差的优化。为了验证本文算法性能,在EuRoC数据集上与VINS和ORBSLAM2进行了对比实验。实验结果表明,RMSE(Root Mean Square Error)误差分别降低了 21和15个百分点。3.针对传统SLAM系统无法只能重建稀疏点云地图而无法直接构建高精度三维稠密地图的问题,本文利用自己设计的改进LEAStereo后的神经网络估计得到的每一帧的深度图和添加了双目视觉惯导时间同步优化算法后的SLAM系统计算得到的位姿作为输入,来构建基于哈希数据结构的TSDF(Truncated Signed Distance Function)三维稠密地图。为了验证本文提出的重建算法的性能,在公共数据集和实际场景采集的数据上与LEAStereo算法进行了对比,实测数据中选取了椅子的长度进行了测量,我们方法的精度相比改进前的方法提升了67%。

关键词：卷积神经网络双目视差估计视觉SLAM 室内外三维稠密建图

来源：评论

学校读者我要写书评

暂无评论

基于动态自适应加权Census变换的立体匹配算法

引用

黑龙江大学自然科学学报 2023年第3期40卷 341-349页

作者：武凯峰王晓飞黑龙江大学电子工程学院哈尔滨150080

为了解决匹配过程中在弱纹理区域的误匹配问题,提出了在不同搜索窗口下自适应加权的Census变换的立体匹配方法。采用Census变换得出搜索窗口内对中心像素影响不同的特异点,分别将邻域像素与中心像素灰度差值进行处理,得到搜索窗口内邻... 详细信息

为了解决匹配过程中在弱纹理区域的误匹配问题,提出了在不同搜索窗口下自适应加权的Census变换的立体匹配方法。采用Census变换得出搜索窗口内对中心像素影响不同的特异点,分别将邻域像素与中心像素灰度差值进行处理,得到搜索窗口内邻域特异点对中心像素的影响权重,使用权重值加权求和的方式代替计算汉明距离,得出初始匹配代价。为了增强视差图,采用4路径聚合方式与赢家通吃算法(Winner-take-all,WTA),利用子像素拟合、一致性检查、颜色信息加权中值滤波和视差填充等步骤优化视差。为了验证算法效果,将提出的自适应加权Census算法与ADSG、SGM、LPSM和SGBM2进行比较,在Middlebury 2014数据集上进行了测试实验。验证了所提算法的有效性,提高了匹配的准确率,视差图更加平滑、边缘清晰。

关键词：立体匹配双目视差估计代价聚合 Census变换代价计算

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：