基于3D代价体注意力的实时立体匹配网络

来源：电子测量技术杂志2025年第20期北京时间：

作者：李冰，严熠萌，张鑫磊，邵宝文，翟永杰

单位：1.华北电力大学自动化系 保定 071003; 2.保定市电力系统智能机器人感知与控制重点实验室 保定 071003

摘要：信息丰富且计算高效的代价体对于高精度高效率的立体匹配至关重要，为构建信息丰富且计算高效的代价体和实现高精度高效率的立体匹配，在FastACVNet的基础上，提出一种轻量化网络Efficient-ACVNet，提升立体匹配在代价体构建阶段的效率。首先，使用计算量更低的3D代价体作为代价体注意力，引入逆瓶颈残差块堆叠对称沙漏结构对3D代价体进行代价聚合，并提出多尺度视差通道注意力模块来进一步提升代价聚合效果，聚合后的3D代价体作为代价体注意力将用于构建和滤波信息冗余的4D代价体，提升4D代价体的信息量和计算效率，最后引入伪3D残差块和设计伪3D下采样模块对4D代价体代价聚合，进一步降低网络复杂度。实验结果表明，与基准方法相比，所提算法在SceneFlow数据集上的端点误差（EPE）降低了9.375%，在KITTI15数据集上的前景区域（D1-fg）异常值百分比下降19%，并且网络运行时间从39ms下降到25ms。

关键词：立体匹配;深度学习;代价体注意力;逆瓶颈残差块;伪3D卷积

基金资助：国家自然科学基金面上项目(62373151)、国家自然科学基金联合项目(U21A20486)、河北省自然科学基金面上项目(F2023502010)、中央高校基本科研业务费专项资金(20237488)资助