基于卷积神经网络的双目立体匹配算法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 传统立体匹配方法

1.2.2 基于CNN的立体匹配算法

1.3 研究内容及章节安排

2 立体匹配与卷积神经网络的基本原理

2.1立体匹配的基本原理

2.1.1 双目成像原理

2.1.2 视差与深度的转换关系

2.1.3 立体校正

2.1.4 立体匹配的约束条件

2.1.5 立体匹配的难点

2.2 卷积神经网络的基本原理

2.2.1 卷积神经网络的基本结构

2.2.2 卷积神经网络的初始化

2.2.3 卷积神经网络的优化

2.2.4 损失函数

2.2.5 注意力机制

2.3 立体匹配常用数据集与评价指标

2.4 本章小结

3 基于多尺度信息提取的立体匹配网络

3.1 多尺度信息提取

3.1.1 空间金字塔模块

3.1.2 特征提取网络

3.2 相似度计算

3.3 基于注意力机制的视差精修子网络

3.3.1 通道注意力模块

3.3.2 空间注意力模块

3.3.3 视差精修子网络

3.4 视差计算与损失函数

3.5 实验结果与分析

3.5.1 实验细节

3.5.2 消融实验

3.5.3 与其他网络的对比实验

3.6 本章小结

4 基于多信息代价卷的级联立体匹配网络

4.1 级联立体匹配网络

4.1.1 网络结构

4.1.2 空洞特征混合单元

4.2 代价卷分析

4.2.1 相关代价卷

4.2.2 串联代价卷

4.2.3 基于分组策略的多信息代价卷

4.3 视差计算与损失函数

4.4 实验结果与分析

4.4.1 实验细节

4.4.2 消融实验

4.4.3 与其他网络的对比实验

4.5 本章小结

5 总结与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集