用于结构光的立体匹配网络

摘要： 近年来，深度学习已广泛应用于双目立体匹配以实现深度获取，这使精度得到了极大提升。然而，结构光场却鲜少受到关注。本文提出一种用于结构光的网络，以提取有效的匹配特征进行深度获取。该网络通过考虑不同尺度的感受野并为相应特征分配适当权重来改进孪生网络，具体实现方式是将金字塔池化结构与挤压激励网络分别结合到孪生网络中，用于特征提取和权重计算。为进行网络训练和测试，通过将随机图案投射到现有的双目立体数据集中，生成了具有修正真实值的结构光数据集。实验表明，所提出的网络能够实现实时深度获取，并利用结构光提供更优质的深度图。