结合多重注意力与迭代优化的立体匹配算法

来源：计算机工程杂志2023年第7期北京时间：

作者：侯华, 郭宏洋, 代超娜, 李峻辉

单位：河北工程大学 信息与电气工程学院, 河北 邯郸 056000

摘要：基于深度学习的立体匹配算法具有较高的精度，但存在速度慢、显存消耗大与视差搜索范围受限等问题。为此，提出一种多重注意力和迭代优化相结合的立体匹配算法。给出Transformer结构的交叉注意力模块，聚合左右图之间的全局和局部特征信息，获取左右图之间沿极线方向的长距离依赖关系，可更加有效地融合左右图全局特征信息，并生成无视差范围限制的视差图。通过设计迭代残差优化模块，在最小尺度上依据交叉注意力模块生成无视差范围限制的稠密视差图，依据迭代方式逐步恢复视差分辨率生成稀疏代价体，并经过视差回归后估计视差残差图，在保留稠密视差图优点的同时减少计算成本和显存消耗。在此基础上，设计上下文注意力模块，捕获动、静态上下文特征信息，减少浮点运算数量和参数量，为代价聚合提供丰富的显著特征。在SceneFlow、KITTI2012和KITTI2015数据集上的实验结果表明，与主流算法AANet相比，该算法精度分别提高了0.46%、0.47%和0.25%，同时推理速度平均降低了50%。

关键词：立体匹配,深度估计,注意力,Transformer结构,残差

基金资助：河北省自然科学基金(F2022402001)