立体物体匹配网络
计算机视觉与模式识别
2021-03-25 v1
摘要
本文提出了一种立体物体匹配方法，该方法同时利用了来自图像的 2D 上下文信息以及 3D 物体级信息。不同于现有立体匹配方法仅关注立体图像在体空间（即代价体）内的像素级对应，我们以不同方式利用该体结构。代价体沿其视差轴明确包含 3D 信息，因此它是一种能够封装来自物体的 3D 上下文信息的特殊结构。然而这并不简单，因为视差值以非线性方式映射 3D 度量空间。为此，我们提出两种在代价体空间中处理 3D 物体性的新策略：选择性采样（RoISelect）与 2D-3D 融合（fusion-by-occupancy），它们使我们能够无缝融入 3D 物体级信息，并在物体边界区域实现精确的深度性能。我们的深度估计在 KITTI 数据集和 Virtual-KITTI 2.0 数据集中取得了具有竞争力的性能。
引用
@article{arxiv.2103.12498,
title = {Stereo Object Matching Network},
author = {Jaesung Choe and Kyungdon Joo and Francois Rameau and In So Kweon},
journal= {arXiv preprint arXiv:2103.12498},
year = {2021}
}
备注
Accepted at ICRA 2021