详情

原文传递面向自动驾驶的立体匹配算法

论文题名：	面向自动驾驶的立体匹配算法
关键词：	汽车工程;自动驾驶;双目相机;环境感知;立体匹配
摘要：	在汽车自动驾驶研究中，汽车对周围的环境感知是许多自动驾驶算法研究的基础，因此提高汽车环境感知的准确度和效率具有重要意义，能够为车辆自动驾驶的发展带来巨大价值。目前应用在车辆自动驾驶环境感知的硬件分为两种，一种是车载雷达,另一种是相机。近几年，随着深度学习技术在立体匹配中的突破，人们开始利用深度学习的理论方法来提高双目相机感知环境的精准度和效率。使用双目相机感知环境主要分为以下几个步骤：双目图像的获取、立体匹配、目标检测和距离测算，本文针对自动驾驶环境感知中的立体匹配步骤进行深入研究。本文的主要研究内容如下：　　（1）针对目前立体匹配中特征提取方法普遍存在的提取信息不够充分的问题，本文提出了一个多成本融合的立体匹配网络DCNet (Dense Connection Network)。在特征提取模块中，结合密集空洞金字塔池化(Dense Atrous Spatial Pyramid Pooling，ASPP)和空间金字塔池化(Spatial Pyramid Pooling，SPP)的优势提取特征，使用注意力机制进一步优化特征并构建视差空间图(Cost Volume)。DCNet在KITTI2015数据集中取得了2.12%的误匹配率。相比于PSMNet(Pyramid Stereo Matching Network)等网络,DCNet在特征提取部分能够获得更丰富的特征信息,且提升特征匹配的效果。　　（2）目前大部分立体匹配算法忽视了视差优化这一流程，针对视差优化部分，本文提出一个基于多尺度注意力的立体匹配网络。首先提出一个用于计算匹配成本的成本网络 CNet(Cost Network)。其次提出一个基于多尺度注意力的视差求精网络DRNet(Disparity Refinement Network),该网络中使用多尺度注意力机制对初始视差图进行后处理。在KITTI 2012，KITTI 2015和SceneFlow数据集上的3像素误差分别为1.13%， 1.87%和2.29%。　　（3）将双目立体匹配与系统设计相结合，完成面向自动驾驶的立体匹配系统。本系统会对用户上传的双目图像以及相机标定信息进行处理，生成视差图、障碍物检测图以及障碍物位置信息和距离信息文档，供用户下载，为自动驾驶环境研究人员提供了便利。
作者：	王厚博
专业：	软件工程
导师：	张锡英
授予学位：	硕士
授予学位单位：	东北林业大学
学位年度：	2022