LSANet:基于局部注意力引导的多尺度立体匹配网络

来源：南京信息工程大学学报·自然科学版杂志2026年第4期北京时间：

作者：陈旭，张嘉宸，陆晗，陈佳明，邸宏伟

单位：陈旭,南京信息工程大学 自动化学院, 南京, 210044;南京信息工程大学 大气环境与装备技术协同创新中心, 南京, 210044,张嘉宸,南京信息工程大学 自动化学院, 南京, 210044,陆晗,南京信息工程大学 自动化学院, 南京, 210044,陈佳明,南京信息工程大学 自动化学院, 南京, 210044,邸宏伟,南京信息工程大学 自动化学院, 南京, 210044

摘要：针对现有立体匹配算法在精度与计算效率方面的局限性,本文提出了一种基于局部自注意力的立体匹配改进算法(Local-Spatial Attention Network,LSANet).通过引入增强的局部自注意力机制,有效强化了模型对局部特征的表征能力,从而在提升视差估计精度的同时显著降低了计算复杂度.此外,算法融合了空洞空间金字塔池化模块,以高效提取多尺度特征信息.在构建匹配代价体阶段,融合上述多尺度与局部增强特征,并采用沙漏形编解码结构对其进行正则化处理,以确定特征点在不同视差条件下的对应关系.最终,利用线性回归方法生成高精度视差图.在KITTI 2015和SceneFlow数据集上的实验结果表明,改进后算法的端点误差降低了22.0%,参数量减少了45.3%,运行时间下降了约15.6%,充分验证了所提方法在精度提升与资源优化方面的显著优势.

关键词：双目视觉;立体匹配;卷积神经网络;注意力机制

基金资助：江苏省自然科学基金(BK20170955)