PlantStereo：面向植物表面稠密重建的立体匹配基准数据集
计算机视觉与模式识别
2021-12-01 v1
摘要
立体匹配是计算机视觉中的一项重要任务，数十年来引起了极大的研究关注。然而在视差精度、稠密性和数据规模方面，公开立体数据集难以满足模型的需求。本文旨在解决数据集与模型之间的问题，并提出一个名为 PlantStereo 的具有高精度视差真值的大规模立体数据集。我们采用半自动方式构建该数据集：在相机标定和图像配准后，可由深度图像获得高精度视差图像。总计，PlantStereo 包含 812 对图像，涵盖多种植物：菠菜、番茄、辣椒和南瓜。我们首先在四种不同立体匹配方法上评估了 PlantStereo 数据集。在不同模型和植物上的大量实验表明，与整数精度真值相比，PlantStereo 提供的高精度视差图像可显著改善深度学习模型的训练效果。本文提供了一种可行且可靠的方法来实现植物表面稠密重建。PlantStereo 数据集及相关代码发布于：https://www.github.com/wangqingyu985/PlantStereo
引用
@article{arxiv.2111.15192,
title = {PlantStereo: A Stereo Matching Benchmark for Plant Surface Dense Reconstruction},
author = {Qingyu Wang and Baojian Ma and Wei Liu and Mingzhao Lou and Mingchuan Zhou and Huanyu Jiang and Yibin Ying},
journal= {arXiv preprint arXiv:2111.15192},
year = {2021}
}