1 文章说明
方向:双目立体匹配
会议:CVPR2018
code: https: //github.com/JiaRenChang/PSMNet
2 双目立体匹配的重要性
(1)是许多任务的前置工作如自动驾驶,3D重建
3 思路
本文提出的立体匹配网络是在End-to-End Learning of Geometry and Context for Deep Stereo Regression中提出的网络的延续。
其改进为:
(1)利用SPP提取上下文信息
(2)利用3d hourglass architecture来进一步提取上下文信息
4结构
5数据库
(1)Scene Flow: 35454 training and 4370 testing images with H = 540 and W = 960
(3)KITTI 2015:200 training stereo image pairs 200 testing image pairs Image size is H = 376 and W = 1240.
6结果
网友评论