基于全卷积神经网络的端到端立体密集匹配研究

doi:10.11947/j.AGCS.2022.20200583

测绘学报 ›› 2022, Vol. 51 ›› Issue (5): 785-785.doi: 10.11947/j.AGCS.2022.20200583

基于全卷积神经网络的端到端立体密集匹配研究

康俊华

长安大学地质工程与测绘学院, 陕西西安 710064

收稿日期:2020-12-10 出版日期:2022-05-20 发布日期:2022-05-28
作者简介:康俊华(1990-),女,2020年12月毕业于武汉大学,获工学博士学位(指导教师:邓非教授),研究方向为基于深度学习的立体视觉。E-mail:jhkang_whu@qq.com

End-to-end dense stereo matching based on full convolutional neural network

KANG Junhua

School of Geological Engineering and Geomatics, Chang'an University, Xi'an 710064, China

Received:2020-12-10 Online:2022-05-20 Published:2022-05-28

摘要/Abstract

中图分类号:

P232

康俊华. 基于全卷积神经网络的端到端立体密集匹配研究[J]. 测绘学报, 2022, 51(5): 785-785.

KANG Junhua. End-to-end dense stereo matching based on full convolutional neural network[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(5): 785-785.

[1]	李佳田, 王聪聪, 阿晓荟, 晏玲, 朱志浩, 高鹏. 多向前方交会与单隐层神经网络结合的近景前方交会法[J]. 测绘学报, 2020, 49(6): 736-745.
[2]	闫利, 戴集成, 谭骏祥, 刘华, 陈长军. SLAM激光点云整体精配准位姿图技术[J]. 测绘学报, 2019, 48(3): 313-321.
[3]	张春森, 张萌萌, 郭丙轩. 影像信息驱动的三角网格模型优化方法[J]. 测绘学报, 2018, 47(7): 959-967.
[4]	闫利, 谭骏祥, 刘华, 陈长军. 融合遗传算法和ICP的地面与车载激光点云配准[J]. 测绘学报, 2018, 47(4): 528-536.
[5]	张帆, 黄印, 黄先锋, 徐思奇. 非直视区域的普通平面镜辅助地面三维激光扫描方法[J]. 测绘学报, 2017, 46(12): 1950-1958.
[6]	邓非, 吴幼丝, 胡玉雷, 崔红霞. 球形全景影像位姿估计的改进EPnP算法[J]. 测绘学报, 2016, 45(6): 677-684.
[7]	王祥, 张永军, 黄山, 谢勋伟. 旋转多基线摄影光束法平差法方程矩阵带宽优化[J]. 测绘学报, 2016, 45(2): 170-177.
[8]	刘祥磊, 童小华, 马静. 视频测量影像序列椭圆形人工目标点快速识别和跟踪方法[J]. 测绘学报, 2015, 44(6): 663-669.
[9]	姚吉利, 马宁, 贾象阳, 徐广鹏, 谢建春. 球形标靶的固定式扫描大点云自动定向方法[J]. 测绘学报, 2015, 44(4): 431-437.
[10]	浦石李京伟郭四清. 融合语义特征与GPS位置的地面激光点云拼接方法[J]. 测绘学报, 2014, 43(5): 545-550.
[11]	李畅. 利用灭点进行相机检校与定姿的充要条件及其不确定性分析[J]. 测绘学报, 2012, 41(6): 851-856.
[12]	刘华. 车载激光点云地物提取与分类研究[J]. 测绘学报, 2020, 49(11): 1506-1506.
[13]	李帅鑫, 李九人, 田滨, 陈龙, 王力, 李广云. 面向点云退化的隧道环境的无人车激光SLAM方法[J]. 测绘学报, 2021, 50(11): 1487-1499.
[14]	孙喜亮, 关宏灿, 苏艳军, 徐光彩, 郭庆华. 面向高精度城市测绘的激光紧耦合SLAM方法[J]. 测绘学报, 2021, 50(11): 1585-1593.
[15]	李清泉, 黄惠, 姜三, 胡庆武, 于文率. 优视摄影测量方法及精度分析[J]. 测绘学报, 2022, 51(6): 996-1007.

基于全卷积神经网络的端到端立体密集匹配研究

End-to-end dense stereo matching based on full convolutional neural network

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价