UAVStereo：一种面向无人机场景立体匹配的多分辨率数据集
计算机视觉与模式识别
2023-02-21 v1
摘要
立体匹配是三维场景重建的一项基础任务。近来，基于深度学习的方法在一些基准数据集（如 KITTI 和 Scene Flow）上已被证明有效。无人机（UAV，Unmanned Aerial Vehicles）常用于地表观测，其采集的图像因高分辨率与低空获取特性而频繁用于精细三维重建。目前，主流的有监督学习网络需要大量带真实标签的训练数据来学习模型参数。然而，由于无人机立体匹配数据集的匮乏，基于学习的网络无法应用于无人机图像。为推进进一步研究，本文提出一种利用无人机图像与激光雷达（LiDAR）点云重建的精细网格生成准确稠密视差图的新流程。通过该流程，本文构建了一个名为 UAVStereo 的多分辨率无人机场景数据集，包含超过 34k 个立体图像对，覆盖 3 类典型场景。据我们所知，UAVStereo 是首个无人机低空场景的立体匹配数据集。该数据集包含合成与真实立体图像对，以实现从合成域到真实域的泛化。此外，我们的 UAVStereo 数据集提供多分辨率、多场景图像对，以适应各类传感器与环境。本文中，我们评估了传统与前沿深度学习方法，阐明了它们在应对无人机场景挑战时的局限，并为未来研究提供建议。数据集可在 https://github.com/rebecca0011/UAVStereo.git 获取。
引用
@article{arxiv.2302.10082,
title = {UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV Scenarios},
author = {Zhang Xiaoyi and Cao Xuefeng and Yu Anzhu and Yu Wenshuai and Li Zhenqi and Quan Yujun},
journal= {arXiv preprint arXiv:2302.10082},
year = {2023}
}