Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches 译文

摘要

我们提出了一种从已纠正的一对图片来提取深度信息的方法。我们的方法聚焦于很多立体构建算法的第一阶段：匹配损失（match cost）计算。我们通过卷积神经网络通过对小的图像块的相似度的学习，来解决这个问题。通过构建一个二分类的数据集（相似，不相似的样本）进行有监督的训练。我们提出连个网络去实现这个任务，一个调整速度、一个调整精度。cnn的输出被用作立体匹配的成本（stereo matching cost）。接下来进行：cross-base 成本聚合、SGM、左右一致性检查，亚像素级增强、中值滤波、双边滤波。我们把该方法在KITTI2012，KITTI2015以及Middlebury stereo数据集进行评估，可以看到我们的方法比其他的方法效果好

1.简介

考虑一下问题：给定相机在不同水平位置拍摄的两幅图像，我们希望计算左侧图像中每个像素的视差d。视差是指一个物体在图像左右两个位置的水平差，例如，物体在左侧图片中的左边是（x，y），那么这个物体就会出现在右侧图片的（x-d，y）的位置。所以，已知d，我们就可以计算出该物体的深度z。

上式中f是摄像头的焦距，B是双目摄像头两个摄像头值（中心）间的距离，下图一是本文所述方法的苏如何输出。

图1：输入时双目相机拍摄的一对图片，两幅图主要的区别是两张图相同物体的水平坐标的差异（其他差异：反光、遮挡、镜头畸变等）。可见越接近于镜头的物体，视差越大，上图右侧显示的是视差密度图。暖色调区域表示视差大的区域，或者说是比较小的深度值。

 

据某某权威显示，立体匹配在自动驾驶，机器人，中间视图的生成，3D场景的重建都有重要意义。一个典型的立体算法有四个步骤：匹配成本计算、聚合成本、最优化、完善视差。本文参考Hirschmuller and Scharstein (2009)前两层的匹配成本计算，以及最后两部的立体匹配算法。本文工作的重点是计算一个良好的匹配成本。

本文尝试对一堆小的图像块进行训练。 神经网络的输出被用作初始化匹配成本。我们继续进行一些后处理步骤，这些步骤并不新颖，但却是必要的。采用基于交叉的代价聚合方法，将具有相似图像强度的相邻像素之间的匹配代价进行组合。利用半球形匹配实现平滑约束，利用左右一致性检验检测和消除遮挡区域的误差。我们应用亚像素增强、中值滤波、双边滤波获取最终的深度图。

本文的贡献：

• 基于卷积神经网络的立体匹配代价计算方法，
• 有效的方法以及提供了源码
• 实验对比，我和其他方法，我和我的不通过超参数的方法

 

2.相关工作：

KITTI and Middlebury 数据集的准备，相关使用ground truth方式去学习模型参数的立体匹配算法。在这部分就是其他立体算法的概述。

XXXXX

3.匹配代价

一种典型的立体视觉算法是从计算每个位置p的匹配代价开始的。
计算匹配代价的一个简单方法是绝对差的和。

是位置p左右图像的强度 （啥意思？），Np是以p为中心的矩形框内的位置集合。

未完。。。。。。。。