典型文献
基于深度学习的patch-match双目三维重建
文献摘要：
以patch-match为核心的算法在双目立体重建中有着广泛应用,因其具有低内存消耗、重建精度高等优良性能;然而,传统patch-match算法需要有序地对图像中的每一个像素点进行迭代求取最优视差值d,从而导致运行时间较高.为了解决该问题,在传统patch-match算法的基础上引入基于学习的模型作为指导来降低运行时间,提高立体重建精度.利用深度学习模型输出每个像素伴有异方差不确定度的初始视差图,异方差不确定度用于衡量网络模型所预测视差值的准确度;将异方差不确定度和初始视差作为patch-match算法的先验信息;在平面细化步骤中,利用每个像素点的异方差不确定度大小动态调整其搜索区间,实现减少运行时间的目标.在Middlebury数据集上,通过与原有算法比较可知,改进后的算法在运行时间上减少20％,同时,在不连续等区域上的重建精度得到略微提高.
文献关键词：
三维重建;深度学习;异方差不确定度;精度
中图分类号：
作者姓名：
宋力争;林冬云;彭侠夫;刘腾飞
作者机构：
厦门大学 航空航天学院,福建 厦门 361005
文献出处：
引用格式：
[1]宋力争;林冬云;彭侠夫;刘腾飞-.基于深度学习的patch-match双目三维重建)[J].应用光学,2022(03):436-443
A类：
异方差不确定度
B类：
patch,match,双目,三维重建,重建精度,优良性,像素点,求取,运行时间,来降,高立,深度学习模型,模型输出,视差图,先验信息,化步骤,小动,少运,Middlebury,算法比较,略微
AB值：
0.235958
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
