基于选择性融合上下文信息的立体匹配网络

来源：电子测量技术杂志2025年第15期北京时间：

作者：宁安琪，於跃成，杨帆，李响

单位：1.江苏科技大学计算机学院 镇江 212000;2.中国移动通信集团有限公司网络事业部 北京 100032

摘要：目前基于深度学习的立体匹配网络虽然具备较高的精度，但是网络中复杂的结构导致计算时间的急剧增加。为了平衡网络的匹配速度与精确度，本文提出了基于选择性融合上下文信息的立体匹配网络。首先，通过相关层方法构建成本体，进而在聚合模块中采用单编码器解码器结构，以降低模型复杂度。其次，在编码器中融合多尺度成本体，以捕捉不同层级的视差信息；同时，在解码器中设计选择性融合上下文信息模块，利用参考图像的上下文特征引导几何信息的高质量解码。最后，设计多分支聚合金字塔池化模块，增强编码-解码模块理解全局语境的能力。实验结果表明，本文算法在KITTI2015数据集上全部区域的误匹配率为1.97%，在KITTI2012数据集上的三像素误差为1.50%。与其他算法相比，在满足算法实时性要求的同时，实现了更精准的立体匹配精度。

关键词：立体匹配;注意力模块;多尺度融合;视差图;成本聚合

基金资助：国家重点研发计划项目（2023YFC2809700）资助