公开(公告)号：CN114972474A

公开(公告)日：2022-08-30

申请号：CN202210595064.5

申请日：2022-05-28

Applicant: 南京大学

Inventor： 李昀 ,  徐新 ,  常穹 ,  施毅

IPC: G06T7/593 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于ZNCC算法和神经网络的实时立体匹配方法，能既快速又准确地通过目标图像与参考图像计算出深度图像。首先，对输入的RGB图像进行下采样，并转换为灰度图像，得到低分辨率的灰度图像，然后，利用ZNCC算法进行低分辨率图片的匹配成本计算，并通过SGM算法、WTA算法、SMP算法生成初始的低分辨率的视差图，然后，通过神经网络算法得到高分辨率的视差图，最后，将其转换为深度图像。本发明方法是基于传统方案和神经网络算法的混合系统，其中，传统方案用以快速生成视差图，神经网络着重于对视差图的放大优化。通过本发明的技术方案，实现了实时立体视觉匹配系统，且系统具有很高的精确度。

公开(公告)号：CN114494016A

公开(公告)日：2022-05-13

申请号：CN202210087815.2

申请日：2022-01-25

Applicant: 南京大学

Inventor： 李昀 ,  常穹 ,  徐新 ,  施毅

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的视差图超解像方法，对输入的RGB进行数据预处理后，输入具有残差、跳越连接卷积神经网络模型中，得到原始分辨率的视差图。本发明提出的方法是基于神经网络，低分辨率图像作为输入，加上残差结构与跳越链接结构，降低了网络模型的计算量，除损失函数外网络无其他约束条件，与传统算法相结合，这种特殊的结构能对视差图进行高速且高质量的超解像，无需其他预处理及后处理方法，即可以突破传统算法运行精度的上限，能够在移动端GPU上能达到实时运行。相比端到端的神经网络算法，在精度相同的情况下，本方法运行速度更快，增强了立体视觉匹配系统的实用性。

公开(公告)号：CN114494016B

公开(公告)日：2025-02-28

申请号：CN202210087815.2

申请日：2022-01-25

Applicant: 南京大学

Inventor： 李昀 ,  常穹 ,  徐新 ,  施毅

IPC: G06T3/4046 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的视差图超解像方法，对输入的RGB进行数据预处理后，输入具有残差、跳越连接卷积神经网络模型中，得到原始分辨率的视差图。本发明提出的方法是基于神经网络，低分辨率图像作为输入，加上残差结构与跳越链接结构，降低了网络模型的计算量，除损失函数外网络无其他约束条件，与传统算法相结合，这种特殊的结构能对视差图进行高速且高质量的超解像，无需其他预处理及后处理方法，即可以突破传统算法运行精度的上限，能够在移动端GPU上能达到实时运行。相比端到端的神经网络算法，在精度相同的情况下，本方法运行速度更快，增强了立体视觉匹配系统的实用性。