基于语义分割的双目场景流估计OA北大核心CSCDCSTPCD
Binocular Scene Flow Estimation Based on Semantic Segmentation
针对现有场景流计算方法在复杂场景、大位移和运动遮挡等情况下易产生运动边缘模糊的问题,提出一种基于语义分割的双目场景流估计方法.首先,根据图像中的语义信息类别,通过深度学习的卷积神经网络模型将图像划分为带有语义标签的区域;针对不同语义类别的图像区域分别进行运动建模,利用语义知识计算光流信息并通过双目立体匹配的半全局匹配方法计算图像视差信息.然后,对输入图像进行超像素分割,通过最小二乘法耦合光流和视差信息,分别求解每个超像素块的运动参数.最后,在优化能量函数中添加语义分割边界的约束信息,通过更新像素到超像素块的映射关系和超像素块到移动平面的映射关系得到最终的场景流估计结果.采用KITTI 2015标准测试图像序列对本文方法和代表性的场景流计算方法进行对比分析.实验结果表明,本文方法具有较高的精度和鲁棒性,尤其对于复杂场景、运动遮挡和运动边缘模糊的图像具有较好的边缘保护作用.
陈震;马龙;张聪炫;黎明;吴俊劼;江少锋
南昌航空大学无损检测技术教育部重点实验室,江西南昌330063南昌航空大学无损检测技术教育部重点实验室,江西南昌330063南昌航空大学无损检测技术教育部重点实验室,江西南昌330063中国科学院自动化研究所,北京100190南昌航空大学无损检测技术教育部重点实验室,江西南昌330063南昌航空大学无损检测技术教育部重点实验室,江西南昌330063
信息技术与安全科学
语义分割场景流深度学习双目立体匹配最小二乘法超像素分割运动遮挡边缘保护
《电子学报》 2020 (4)
631-636,6
国家自然科学基金(No.61866026,No.61772255,No.61866025)江西省优势科技创新团队计划(No.20152BCB24004,No.20165BCB19007)江西省青年科学基金(No.20171BAB212012)中国博士后科学基金(No.2019M650894)
评论