PVStereo：用于端到端自监督立体匹配的金字塔投票模块
计算机视觉与模式识别
2021-04-21 v1 机器人学
摘要
基于深度卷积神经网络（DCNNs）的监督学习已在立体匹配中得到大量采用。然而，获取带有良好标注真值的大规模数据集繁琐且劳动密集，使得基于监督学习的方法在实践中往往难以实施。为克服此缺陷，我们提出一种鲁棒且有效的自监督立体匹配方法，由金字塔投票模块（PVM）和一种称为 OptStereo 的新型 DCNN 架构组成。具体而言，我们的 OptStereo 首先构建多尺度代价体，然后采用循环单元在高分辨率下迭代更新视差估计；而我们的 PVM 可生成可靠的半稠密视差图，用于监督 OptStereo 的训练。此外，我们发布了 HKUST-Drive 数据集，一个大规模合成立体数据集，在不同光照和天气条件下收集以用于研究。大量实验结果表明我们的自监督立体匹配方法在 KITTI Stereo 基准测试和我们的 HKUST-Drive 数据集上的有效性与高效性。PVStereo 是我们性能最佳的实作，大幅优于所有其他先进的自监督立体匹配方法。我们的项目页面位于 sites.google.com/view/pvstereo。
引用
@article{arxiv.2103.07094,
title = {PVStereo: Pyramid Voting Module for End-to-End Self-Supervised Stereo Matching},
author = {Hengli Wang and Rui Fan and Peide Cai and Ming Liu},
journal= {arXiv preprint arXiv:2103.07094},
year = {2021}
}
备注
8 pages, 8 figures and 2 tables. This paper is accepted by IEEE RA-L with ICRA 2021