Continuous 3D Label Stereo Matching using Local Expansion Moves
2018-01-31 11:24
751 查看
作者提出了基于graph cuts的local expansion moves,来进行精确的立体匹配。
目标:在结合了slanted patch matching和curvatureregularization的分段MRF(解决fronto—parallel
bias)上推断每一个像素点的3D平面标签。
Localexpansion moves拓展了传统的expansionmoves,包括两个方式:localization和spatialpropagation。
通过localization,根据local α-expansions使用不同的α-labels;
通过spatial propagation,设计localα-expansions来把当前分配的labels分配给邻域区域。
一.介绍
•Slantedpatch matching
估计每一个像素处的一个平面方程,由方程计算出视差。
d=ax+by+c
d是视差,a,b,c是平面方程参数。根据方程1,匹配窗是斜的,优点是会使窗内的视差值是线性变化的,并且可以精确的测量patch的不相似度。
•Curvatureregularization
使用正切平面标签。可由传统线性和截断线性模型这样的分段项表示,可以解决平面外的smooth表面。
•Localexpansion moves
允许在GC优化的时候使用spatialpropagation;
local expansion moves由许多α-expansions
呈现,α-expansions是为不同位置的一小部分区域定义的。
每一个local α-expansion尝试改善当前局部区域的labels,使用基于GC的能量最小的方式;
同时,这个过程还包括将一个局部区域的当前像素值传播给周围的像素。
•该方法的优点
1.Local expansion moves方法带来了submodular moves,保证每一次最小割的时候得到最佳的labeling;
2.这个最佳性和空间传播允许随机搜索来生成初始proposals
3.这个方法由于GC和local expansion move的应用,带了比BP更高的检测精度
4.这个方法应用了快速代价滤波技术,降低了数据项的计算复杂度,达到近似O(1)
5.该方法可以在CPU和GPU下,实现各个α-expansion的并行处理。
![](https://img-blog.csdn.net/20180131111920905?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](https://img-blog.csdn.net/20180131112017387?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](https://img-blog.csdn.net/20180131112052219?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](https://img-blog.csdn.net/20180131112114797?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](https://img-blog.csdn.net/20180131112202419?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](https://img-blog.csdn.net/20180131112222229?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvZnVja195b3Vfc2I=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
目标:在结合了slanted patch matching和curvatureregularization的分段MRF(解决fronto—parallel
bias)上推断每一个像素点的3D平面标签。
Localexpansion moves拓展了传统的expansionmoves,包括两个方式:localization和spatialpropagation。
通过localization,根据local α-expansions使用不同的α-labels;
通过spatial propagation,设计localα-expansions来把当前分配的labels分配给邻域区域。
一.介绍
•Slantedpatch matching
估计每一个像素处的一个平面方程,由方程计算出视差。
d=ax+by+c
d是视差,a,b,c是平面方程参数。根据方程1,匹配窗是斜的,优点是会使窗内的视差值是线性变化的,并且可以精确的测量patch的不相似度。
•Curvatureregularization
使用正切平面标签。可由传统线性和截断线性模型这样的分段项表示,可以解决平面外的smooth表面。
•Localexpansion moves
允许在GC优化的时候使用spatialpropagation;
local expansion moves由许多α-expansions
呈现,α-expansions是为不同位置的一小部分区域定义的。
每一个local α-expansion尝试改善当前局部区域的labels,使用基于GC的能量最小的方式;
同时,这个过程还包括将一个局部区域的当前像素值传播给周围的像素。
•该方法的优点
1.Local expansion moves方法带来了submodular moves,保证每一次最小割的时候得到最佳的labeling;
2.这个最佳性和空间传播允许随机搜索来生成初始proposals
3.这个方法由于GC和local expansion move的应用,带了比BP更高的检测精度
4.这个方法应用了快速代价滤波技术,降低了数据项的计算复杂度,达到近似O(1)
5.该方法可以在CPU和GPU下,实现各个α-expansion的并行处理。
相关文章推荐
- Real-time local stereo matching using guided image filtering(2011)
- Stereo Matching文献笔记之(二):《A Non-Local Cost Aggregation Method for Stereo Matching》读后感~
- A Non-Local Cost Aggregation Method for Stereo Matching
- [论文解读] 3DOP: 3D Object Proposals using Stereo Imagery for Accurate Object Class Detection
- 立体匹配文献阅读笔记(三)《Stereo Matching Using Tree Filtering》15年
- 《Stereo Matching Using Tree Filtering》读后感~
- Stereo Matching文献笔记之(四):《Stereo Matching Using Tree Filtering》读后感~
- 立体匹配文献阅读笔记(一)《A non-local cost aggregation method for stereo matching》12年
- [置顶] A Non-Local Cost Aggregation Method for Stereo Matching
- 基于MST的立体匹配及相关改进(A Non-Local Cost Aggregation Method for Stereo Matching)
- 《A Non-Local Cost Aggregation Method for Stereo Matching》读后感~
- 推荐一些有效的stereo matching代码,对于3D图片的深度计算十分有效
- 3D Face Recognition Using Corresponding Point Direction Measure and Depth Local Features
- Using the ASP.NET 2.0 ReportViewer in Local Mode
- OpenCV stereo matching BM 算法
- The KITTI Vision Benchmark Suite之Displets: Stereo using Object Knowledge
- Stereo Matching文献笔记之(十):经典算法Semi-Global Matching(SGM)之碉堡的动态规划~
- ValueError('You appear to be using a legacy multi-label data'
- 批处理中setlocal enabledelayedexpansion的作用详细整理
- 3D Game Textures: Create Professional Game Art Using Photoshop