張浩東，宋嘉菲，張廣慧

1.中國(guó)科學(xué)院 上海微系統(tǒng)與信息技術(shù)研究所 仿生視覺系統(tǒng)實(shí)驗(yàn)室，上海 200050

2.中國(guó)科學(xué)院大學(xué)，北京 100049

3.上?？萍即髮W(xué)，上海 201210

高精度的深度估計(jì)是許多計(jì)算機(jī)視覺相關(guān)應(yīng)用，如自動(dòng)駕駛、三維立體建模、機(jī)器人導(dǎo)航等的關(guān)鍵。通過(guò)對(duì)雙目立體相機(jī)拍攝得到的兩個(gè)圖像進(jìn)行立體匹配，計(jì)算參考圖像（Reference image）的稠密視差圖，是獲取深度的重要途徑之一。傳統(tǒng)立體匹配方法主要包含4 個(gè)步驟：計(jì)算兩幅圖像的像素級(jí)相似度作為匹配代價(jià)、對(duì)生成的代價(jià)體進(jìn)行聚合以整合鄰域匹配代價(jià)、根據(jù)聚合后的代價(jià)體估計(jì)每個(gè)像素的視差、對(duì)輸出的視差圖進(jìn)行優(yōu)化，但人工設(shè)計(jì)的像素相似度計(jì)算方法及聚合等方法效果較差，使得視差估計(jì)的精度無(wú)法令人滿意。

近年來(lái)，隨著深度學(xué)習(xí)的飛速發(fā)展，越來(lái)越多的人采用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）對(duì)立體匹配、邊緣感知任務(wù)進(jìn)行建模[1-3]，LeCun等[4]嘗試?yán)肅NN 為傳統(tǒng)的立體匹配方法學(xué)習(xí)更好的匹配代價(jià)，設(shè)計(jì)了一個(gè)權(quán)值共享的特征提取網(wǎng)絡(luò)，后利用全連接層進(jìn)行像素級(jí)相似性度量生成匹配代價(jià)。與傳統(tǒng)方法中的特征描述（如Census[5]）相比，這一方法提高了特征描述子的穩(wěn)健性，在精度上取得了一定的進(jìn)步，但由于整體結(jié)構(gòu)屬于利用CNN進(jìn)行匹配代價(jià)計(jì)算和傳統(tǒng)方法的后續(xù)流程拼接，所需的計(jì)算量依舊較大。為了對(duì)立體匹配框架的各個(gè)部分進(jìn)行聯(lián)合優(yōu)化，Mayer 等[6]設(shè)計(jì)了DispNetC，將立體匹配通過(guò)端到端的有監(jiān)督深度學(xué)習(xí)方式實(shí)現(xiàn)，借鑒FlowNet[7]中提出的相關(guān)性（correlation）方法計(jì)算像素級(jí)相似度并生成匹配代價(jià)，采用編碼-解碼（encoder-decoder）的結(jié)構(gòu)回歸視差。同時(shí)還制作了合成數(shù)據(jù)集（SceneFlow），解決了真實(shí)場(chǎng)景數(shù)據(jù)集過(guò)少的問(wèn)題。

Chang等[8]借鑒SPPNet[9]、ResNet[10]、PSPNet[11]的思想設(shè)計(jì)了空間金字塔池化（spatial pyramid pooling，SPP）特征提取結(jié)構(gòu)，通過(guò)融合多個(gè)感受野的特征合并全局背景信息到提取的特征中，并引入了堆疊沙漏結(jié)構(gòu)的三維卷積拓展代價(jià)體中局部信息的聚合區(qū)域。但對(duì)多感受野的簡(jiǎn)單級(jí)聯(lián)使得匹配代價(jià)對(duì)不同感受野的注意力相同，未能根據(jù)特定位置采用不同感受野的特征；且在代價(jià)聚合過(guò)程中未對(duì)匹配代價(jià)進(jìn)行篩選，使得一些困難位置的錯(cuò)誤匹配代價(jià)向周邊鄰域傳播，降低了模型的收斂速度以及整體預(yù)測(cè)的精度。

Song 等[12]、Yang 等[13]分別結(jié)合邊緣、語(yǔ)義信息設(shè)計(jì)多任務(wù)網(wǎng)絡(luò)，將邊緣、語(yǔ)義特征嵌入常規(guī)特征中生成混合特征用于代價(jià)體編碼，從而進(jìn)一步提高視差精度。此外，EdgeStereo[12]還設(shè)計(jì)了邊緣抑制的視差平滑損失用于改善輸出視差圖的局部平滑性。但邊緣、語(yǔ)義信息的引入提高了對(duì)數(shù)據(jù)集的要求，對(duì)子網(wǎng)絡(luò)的訓(xùn)練提高了立體匹配任務(wù)對(duì)數(shù)據(jù)的額外標(biāo)簽的依賴性。

針對(duì)上述現(xiàn)有問(wèn)題，根據(jù)數(shù)據(jù)集的視差真值生成視差邊緣（不需要額外的人工標(biāo)注）以作為邊緣提取模塊的監(jiān)督信號(hào)，并提出了一種邊緣引導(dǎo)的立體匹配算法，主要貢獻(xiàn)點(diǎn)如下：（1）設(shè)計(jì)了邊緣引導(dǎo)特征體加權(quán)模塊，對(duì)體現(xiàn)紋理信息的淺層特征邊緣區(qū)域與描述語(yǔ)義信息的深層特征非邊緣區(qū)域予以更大的權(quán)重。（2）設(shè)計(jì)了邊緣抑制的代價(jià)聚合模塊，減少不可靠信息的傳播，以提高整體預(yù)測(cè)精度。（3）本文的方法在SceneFlow 數(shù)據(jù)集上將PSMNet[8]（pyramid stereo matching network）的誤差降低了35.2%，將GwcNet[14]（group-wise correlation stereo network）的誤差降低了14.3%。

1 算法設(shè)計(jì)

本文整體網(wǎng)絡(luò)結(jié)構(gòu)如圖1，包括邊緣提?。╡dge extraction）、特征提?。╢eature extraction）、構(gòu)建代價(jià)體（cost volume construction）、代價(jià)聚合（cost aggregation）及視差估計(jì)（disparity prediction）五部分。

邊緣和特征提取將分別在1.1節(jié)、1.2節(jié)介紹。由于無(wú)法簡(jiǎn)單構(gòu)建左右特征體之間的聯(lián)系，立體匹配網(wǎng)絡(luò)構(gòu)建代價(jià)體常采用級(jí)聯(lián)特征體的方式：對(duì)右圖特征體基于所有待定視差值在水平方向進(jìn)行平移，將平移后的右圖特征體與左圖特征體在特征通道維度進(jìn)行級(jí)聯(lián)，最后將所有級(jí)聯(lián)的特征體在待定視差維度級(jí)聯(lián)以生成代價(jià)體。代價(jià)聚合將在1.3 節(jié)介紹。對(duì)于視差估計(jì)，本文采用GC-Net[15]中提出的soft argmin方法，即

式中，d～ 為預(yù)測(cè)視差值，d為待選視差值，Dmax為最大待選視差值，σ為softmax 函數(shù)，cd為聚合后的匹配代價(jià)。網(wǎng)絡(luò)損失函數(shù)的設(shè)計(jì)將在1.4節(jié)介紹。

1.1 邊緣提取模塊

本文借鑒HED[16]（holistically-nested edge dectection）的思想及PSMNet[8]中的SPP 特征提取層設(shè)計(jì)了視差邊緣提取子模塊。該模塊的輸入是單幅圖像，輸出為邊緣圖（edge map），采用基于視差真值求解的邊緣圖作為監(jiān)督信號(hào)。雖然與EdgeStereo[12]中使用的圖像的常規(guī)邊緣具有相似的提取思路，但不需要數(shù)據(jù)集提供常規(guī)邊緣真值，更便于只有視差真值的數(shù)據(jù)集，相較于多任務(wù)網(wǎng)絡(luò)更有利于訓(xùn)練，同時(shí)使用的視差邊緣更適配立體匹配網(wǎng)絡(luò)。

視差邊緣提取子模塊結(jié)構(gòu)如圖2，先對(duì)輸入圖像進(jìn)行常規(guī)卷積，調(diào)整步長(zhǎng)使得特征尺寸降為原圖的1/4，后對(duì)該特征體分別進(jìn)行多個(gè)尺度的池化以豐富感受野，將各個(gè)池化后的特征體進(jìn)行卷積局部整合后上采樣到初始特征體尺寸進(jìn)行級(jí)聯(lián)，使得混合后的特征體具有不同尺度的特征，最后將混合的特征體卷積得到單通道的邊緣特征，經(jīng)過(guò)Sigmoid回歸為視差邊緣圖，將其記作E，后續(xù)將用于1.3節(jié)和1.4節(jié)。

對(duì)于邊緣真值的獲取，與現(xiàn)有多任務(wù)立體匹配網(wǎng)絡(luò)[12-13]不同，本方法并不需要數(shù)據(jù)集具有邊緣標(biāo)簽。為了更適配于立體匹配網(wǎng)絡(luò)，本方法將所用的邊緣定義為視差真值變化較大的區(qū)域（多分布于前景區(qū)域），可由視差真值梯度求解生成。

1.2 邊緣引導(dǎo)特征體加權(quán)模塊

重復(fù)紋理和無(wú)紋理區(qū)域是立體匹配任務(wù)中較難處理的部分，由于常規(guī)的特征提取器對(duì)該區(qū)域和其他特征明顯且不重復(fù)區(qū)域在訓(xùn)練階段的單位像素關(guān)注度相同，使得最終訓(xùn)練得到的模型會(huì)因兩種區(qū)域在圖像中的占比而決定特征提取器對(duì)其中之一的偏向程度，無(wú)論最終對(duì)其中哪一種區(qū)域的整體關(guān)注度高都不利于提出更好的整體預(yù)測(cè)效果，因而提出了對(duì)以上不同區(qū)域靈活選用不同提取器的方法。

僅考慮本部分關(guān)注的難點(diǎn)區(qū)域：重復(fù)紋理區(qū)域和無(wú)紋理區(qū)域，小尺度的特征提取器感受野較小，無(wú)法描繪出錯(cuò)誤匹配點(diǎn)與參考圖像中的目標(biāo)點(diǎn)的差別，因而考慮擴(kuò)張圖像的感受野生成大尺度的特征提取器，將較難處理部分的周邊區(qū)域引入特征提取器，進(jìn)而使得錯(cuò)誤匹配點(diǎn)與目標(biāo)點(diǎn)具有差異更大的特征表述。

針對(duì)本文基準(zhǔn)方法中空間金字塔池化模塊（SPP）在級(jí)聯(lián)多尺度特征時(shí)，忽略了不同位置應(yīng)側(cè)重不同尺度特征的問(wèn)題，提出了邊緣引導(dǎo)的空間金字塔池化（EGSPP，edge-guided-SPP）模塊。由1.1 節(jié)得到邊緣圖E為Sigmoid輸出，其值介于0～1之間，且多集中于0和1附近。本文將預(yù)測(cè)值在0 附近的像素點(diǎn)定義為非邊緣像素點(diǎn)（non-edge pixels），預(yù)測(cè)值在1 附近的像素點(diǎn)定義為邊緣像素點(diǎn)（edge pixels）。如圖3 所示，以單像素為例，特征由進(jìn)入空間金字塔之前的淺層特征和經(jīng)過(guò)空間多尺度池化卷積增大感受野后的深層大感受野特征級(jí)聯(lián)得到。針對(duì)不同位置側(cè)重不同尺度的特征體，對(duì)于視差邊緣處增強(qiáng)淺層特征，使得混合特征更注重圖像的低級(jí)紋理信息，同時(shí)保留弱化后的高級(jí)語(yǔ)義特征；對(duì)于非視差邊緣處增強(qiáng)深層大感受野特征，使得混合特征更注重圖像的高級(jí)語(yǔ)義信息，同時(shí)保留弱化后的低層紋理特征，即：

式中，F(xiàn)hybrid為混合特征，F(xiàn)shallow為低級(jí)紋理特征（淺層特征），F(xiàn)deep為高級(jí)語(yǔ)義特征（深層大感受野特征），E為邊緣圖（其值介于0～1 之間，越高表示是邊緣的概率越大），⊕為特征級(jí)聯(lián)。

1.3 邊緣抑制代價(jià)聚合模塊

鑒于上文提到代價(jià)體由特征體按待定視差值平移后并級(jí)聯(lián)而成，相較于特征體增加了待定視差維度，二維卷積無(wú)法對(duì)該高維向量進(jìn)行處理，常用的方法是引入三維卷積，故代價(jià)聚合主體沿用基準(zhǔn)方法PSMNet的三維卷積結(jié)構(gòu)。

遮擋問(wèn)題同樣是立體匹配任務(wù)較難處理的一點(diǎn)，由于目標(biāo)圖中沒有真正的匹配點(diǎn)，對(duì)視差的估計(jì)僅能利用其周邊鄰域信息進(jìn)行整合預(yù)測(cè)。但一般網(wǎng)絡(luò)結(jié)構(gòu)不會(huì)對(duì)這一區(qū)域進(jìn)行額外處理，而是將遮擋區(qū)域與其他區(qū)域采取相同方式進(jìn)行處理。鑒于遮擋區(qū)域的匹配代價(jià)置信度并不高，代價(jià)聚合階段會(huì)將每個(gè)像素點(diǎn)的匹配代價(jià)向其周圍鄰域傳遞，如果仍完全沿用基準(zhǔn)方法，會(huì)使其周邊區(qū)域受到不可靠信息的影響，削弱其他區(qū)域的預(yù)測(cè)能力。

經(jīng)分析，物體的遮擋區(qū)域均出現(xiàn)于物體邊緣處，且占比較大。同時(shí)經(jīng)觀察發(fā)現(xiàn)，現(xiàn)階段模型預(yù)測(cè)誤差較大的區(qū)域多出現(xiàn)于物體的邊緣處，因而可通過(guò)提高非邊緣處的匹配代價(jià)的方法來(lái)抑制邊緣處不可靠信息的傳播，由此，提出了邊緣引導(dǎo)代價(jià)聚合模塊，增加非邊緣區(qū)域的可靠信息在代價(jià)聚合時(shí)的權(quán)重，使邊緣區(qū)域在聚合階段更大程度地獲取來(lái)自非邊緣區(qū)域的匹配代價(jià)，從而提高整體預(yù)測(cè)精度。

如圖4，本文采用堆疊沙漏（stacked hourglass）結(jié)構(gòu)的三維卷積[8]，并在其中加入了邊緣引導(dǎo)（公式（3）），提出了邊緣引導(dǎo)的堆疊沙漏（EG stacked hourglass）結(jié)構(gòu)。式中，C為代價(jià)體，C^ 為邊緣抑制后的代價(jià)體，E為邊緣圖（其值介于0～1之間，越高表示是邊緣的概率越大）。

1.4 損失函數(shù)

本文采用類平衡交叉熵?fù)p失函數(shù)[17]來(lái)訓(xùn)練邊緣分支，由于邊緣區(qū)域與非邊緣區(qū)域所占面積不均衡，計(jì)算損失函數(shù)時(shí)需對(duì)兩部分予以不同權(quán)重：

本文采用smooth L1損失函數(shù)來(lái)訓(xùn)練視差分支，與L2損失相比，smooth L1損失具有魯棒性和對(duì)異常值的低敏感性。smooth L1定義如下：

其中，Ldisp為視差損失函數(shù)，Ledge為邊緣損失函數(shù)，d為視差真值，d～ 為預(yù)測(cè)視差值，e為邊緣判定值，e～ 為預(yù)測(cè)邊緣值，β為邊緣損失函數(shù)權(quán)重。

2 實(shí)驗(yàn)與評(píng)估

2.1 數(shù)據(jù)集及評(píng)價(jià)指標(biāo)介紹

將所提的方法在兩個(gè)數(shù)據(jù)集中進(jìn)行評(píng)估：Scene-Flow[6]和KITTI 2015[18]。

SceneFlow：一個(gè)大規(guī)模的合成數(shù)據(jù)集，包括35 454組訓(xùn)練圖片以及4 370 組測(cè)試圖片，分辨率為540×960像素，且提供了稠密的視差圖作為真值。該數(shù)據(jù)集采用端點(diǎn)誤差（EPE，end-point-error）作為評(píng)價(jià)指標(biāo)，即預(yù)測(cè)視差圖與實(shí)際視差圖的平均絕對(duì)誤差。

KITTI 2015：記錄不同天氣條件下的真實(shí)場(chǎng)景，包括200 組訓(xùn)練圖片以及200 組測(cè)試圖片，分辨率為1 240×376 像素，視差真值為由LIDAR 獲取的稀疏點(diǎn)。該數(shù)據(jù)集采用3 像素誤差（3PE，3-pixel-error）作為評(píng)價(jià)指標(biāo)，即誤差值大于3像素的點(diǎn)所占比例。

2.2 實(shí)驗(yàn)環(huán)境、參數(shù)設(shè)置及效果圖

本文用于訓(xùn)練以及測(cè)試的GPU顯卡為1塊NVIDIA Quadro P5000，實(shí)驗(yàn)環(huán)境為Ubuntu 18.04，采用的深度學(xué)習(xí)框架為pytorch 1.4.0，批量大小固定為4，采用Adam優(yōu)化器，其參數(shù)設(shè)定為β1=0.9，β2=0.99，最大待選視差值Dmax設(shè)置為192。

對(duì)于SceneFlow 數(shù)據(jù)集，由于其已劃分訓(xùn)練集和測(cè)試集，可不做數(shù)據(jù)劃分處理，本文選用與基準(zhǔn)方法一致的初始學(xué)習(xí)率用以訓(xùn)練：初始學(xué)習(xí)率設(shè)定為0.001，10輪后將學(xué)習(xí)率降為0.000 3，40輪后結(jié)束訓(xùn)練。

對(duì)于KITTI 2015數(shù)據(jù)集，鑒于其訓(xùn)練數(shù)據(jù)過(guò)少，本文采取與基準(zhǔn)方法PSMNet 相同的訓(xùn)練策略，即對(duì)在SceneFlow數(shù)據(jù)集上預(yù)訓(xùn)練后得到的權(quán)重在該數(shù)據(jù)集上微調(diào)。同樣地，本文采用與基準(zhǔn)方法一致的參數(shù)微調(diào)：初始學(xué)習(xí)率為0.000 3，對(duì)其訓(xùn)練600輪，在第300、500輪時(shí)分別將學(xué)習(xí)率降為0.000 1和0.000 03。

2.3 與其他方法比較

本文方法與其他有監(jiān)督深度學(xué)習(xí)方法的立體匹配算法[4，6，8，15]進(jìn)行比較，其中MC-CNN[4]是引入深度學(xué)習(xí)方法的經(jīng)典立體匹配框架，GC-Net[15]、DispNetC[6]、PSMNet[8]是引入三維卷積且具有代表性的立體匹配算法。在SceneFlow 數(shù)據(jù)集中的量化誤差指標(biāo)比較如表1 所示，可見本文方法將PSMNet[8]的誤差降低了35.2%，且誤差低于其他方法。

表1 SceneFlow測(cè)試結(jié)果Table 1 Results on SceneFlow

本文方法與其他有監(jiān)督深度學(xué)習(xí)方法的立體匹配算法在KITTI 2015數(shù)據(jù)集中的量化誤差指標(biāo)比較如表2 所示，其中根據(jù)是否為遮擋區(qū)域可分為All 和Noc，其中All 表示全圖區(qū)域，Noc 表示非遮擋區(qū)域。根據(jù)其為前背景可分為D1-bg、D1-fg 和D1-all，其中D1-bg 表示背景區(qū)域，D1-fg 表示前景區(qū)域，D1-all 表示全圖區(qū)域。可見本方法對(duì)視差邊緣豐富的前景物體的預(yù)測(cè)誤差更小，在背景區(qū)域也取得了與基準(zhǔn)方法相當(dāng)?shù)男Чw上將PSMNet的誤差降低了2.2%。

表2 KITTI 2015測(cè)試結(jié)果Table 2 Results on KITTI 2015

圖5為KITTI 2015測(cè)試集中的可視化結(jié)果，可見本方法能較好地處理一些前后區(qū)分度不高的區(qū)域，如路牌、欄桿等。

2.4 消融實(shí)驗(yàn)

本文在SceneFlow 數(shù)據(jù)集中進(jìn)行以下兩個(gè)模塊的消融實(shí)驗(yàn)：EGSPP、EG stacked hourglass。

表3為所提兩個(gè)模塊在SceneFlow數(shù)據(jù)集上的定量分析。當(dāng)只采用EGSPP模塊時(shí)，端點(diǎn)誤差降低了30.3%；當(dāng)只采用EG stacked hourglass 模塊時(shí)，端點(diǎn)誤差降低了28.4%；當(dāng)同時(shí)采用提出的這兩個(gè)改進(jìn)模塊時(shí)，端點(diǎn)誤差實(shí)現(xiàn)了35.2%的下降，且所用時(shí)間與基準(zhǔn)方法相近。以上數(shù)據(jù)驗(yàn)證了本文所提兩個(gè)改進(jìn)模塊的有效性。

表3 SceneFlow消融實(shí)驗(yàn)Table 3 Ablation study on SceneFlow

圖6定性分析了所提的兩個(gè)模塊在SceneFlow數(shù)據(jù)集上的效果。對(duì)比第3列（PSMNet）和第4列（PSMNet+EGSPP）發(fā)現(xiàn)，EGSPP 模塊對(duì)低級(jí)紋理（如邊緣處）和高級(jí)語(yǔ)義（如前景物體）均有一定改善；對(duì)比第4 列（PSMNet+EGSPP）和第5列（PSMNet+EGSPP+EG stacked hourglass）可以發(fā)現(xiàn)，EG stacked hourglass 模塊通過(guò)抑制邊緣不可靠信息的傳播確實(shí)改善了邊緣處的視差預(yù)測(cè)效果。整體上，與基準(zhǔn)方法相比，本文所提方法在一些精細(xì)結(jié)構(gòu)處能更好地區(qū)分前后區(qū)域：如圖中前后車輪的輻條位置，本方法更好地描繪了精細(xì)結(jié)構(gòu)，這符合人們對(duì)所提模塊的預(yù)期。

2.5 通用性分析

為驗(yàn)證本方法在不同模型下的通用性，將邊緣提取模塊、邊緣引導(dǎo)特征體加權(quán)模塊以及邊緣抑制的代價(jià)聚合模塊加入GwcNet[14]中，其在SceneFlow 數(shù)據(jù)集以及KITTI 2015數(shù)據(jù)集中的結(jié)果見表4。

表4 SceneFlow，KITTI 2015實(shí)驗(yàn)結(jié)果Table 4 Results on SceneFlow，KITTI 2015

加入邊緣引導(dǎo)之后，E-GwcNet 誤差較GwcNet 在SceneFlow 上降低了14.3%，在KITTI 2015 的非遮擋區(qū)域上降低了1%，更充分地證明了本文所提方法對(duì)于不同算法的適用性。

2.6 實(shí)際場(chǎng)景測(cè)試

為進(jìn)一步驗(yàn)證本方法在不同場(chǎng)景下的泛化性，將模型用于實(shí)際場(chǎng)景并檢測(cè)其性能，鑒于實(shí)際場(chǎng)景的視差真值難于獲取，故僅將在KITTI 2015 數(shù)據(jù)集中訓(xùn)練得到的權(quán)重用于實(shí)際場(chǎng)景進(jìn)行測(cè)試，對(duì)基準(zhǔn)方法PSMNet和所提修改方法E-PSMNet的測(cè)試結(jié)果進(jìn)行定性分析。

圖7、圖8 分別為真實(shí)場(chǎng)景下物體內(nèi)部及邊緣區(qū)域的測(cè)試結(jié)果圖，可見模型能更好地調(diào)整預(yù)測(cè)的視差，使物體內(nèi)部減少錯(cuò)誤的視差突變的出現(xiàn)，同時(shí)能更好地描繪物體邊緣處視差輪廓，使其更貼近于參考圖像，充分證明了本文所提方法的實(shí)用性。

3 結(jié)束語(yǔ)

提出了一種邊緣信息引導(dǎo)的立體匹配方法：利用邊緣信息分配不用尺度特征體權(quán)重，改進(jìn)立體匹配的特征表示；弱化邊緣處匹配代價(jià)向周圍鄰域的傳播，提升立體匹配的代價(jià)聚合效果。在SceneFlow、KITTI 2015兩個(gè)數(shù)據(jù)集上對(duì)本方法進(jìn)行了驗(yàn)證，與國(guó)內(nèi)外現(xiàn)有方法相比，本文的方法實(shí)現(xiàn)了更低的匹配誤差，在精度上取得了優(yōu)異性能。相較于基準(zhǔn)方法，本文方法在精細(xì)結(jié)構(gòu)處得到了更精準(zhǔn)的匹配，整體精度提升顯著，且所用時(shí)間的增加可忽略不計(jì)。但現(xiàn)階段在KITTI 2015數(shù)據(jù)集上對(duì)結(jié)果的提升明顯低于SceneFlow 數(shù)據(jù)集，經(jīng)分析，主要原因在于KITTI 2015數(shù)據(jù)集視差真值的采集方式為雷達(dá)掃描，因而視差真值為散點(diǎn)圖，使得網(wǎng)絡(luò)無(wú)法較好地訓(xùn)練視差邊緣，未來(lái)可考慮改進(jìn)網(wǎng)絡(luò)對(duì)稀疏真值的適用性，從而提升預(yù)測(cè)效果。