高分辨率图像上的分层深度立体匹配
计算机视觉与模式识别
2019-12-17 v1 机器人学
摘要
我们探究高分辨率图像上实时立体匹配的问题。许多最先进 (SOTA) 方法因内存限制或速度局限而难以处理高分辨率图像。为解决此问题，我们提出一个端到端框架，在由粗到细的层次结构上增量地搜索对应点。由于高分辨率立体数据集相对稀少，我们引入了一个包含高分辨率立体图像对的数据集用于训练和评估。我们的方法在 Middlebury-v3 和 KITTI-15 上取得了 SOTA 性能，同时运行速度显著快于同类方法。该分层设计也自然地允许通过截断中间粗粒度结果来实现按需的随时视差报告，使我们能够以低延迟 (30ms) 准确预测近处结构的视差。我们展示了按需层次结构所提供的性能-速度权衡可满足自动驾驶等时间关键型应用的感知需求。
引用
@article{arxiv.1912.06704,
title = {Hierarchical Deep Stereo Matching on High-resolution Images},
author = {Gengshan Yang and Joshua Manela and Michael Happold and Deva Ramanan},
journal= {arXiv preprint arXiv:1912.06704},
year = {2019}
}
备注
CVPR 2019