来源：期刊VIP网 时间：
作者：李恒宇;许晓俊;杨小康;刘军;刘靖逸;
单位：上海大学机电工程与自动化学院;济宁学院数学与大数据学院;
摘要：针对无人系统在室外场景中细长、弱纹理等物体的深度估计困难问题，提出一种基于自注意力机制和多尺度代价聚合的双目深度估计方法。首先，利用可变形卷积和空洞金字塔卷积，改善特征提取模块的特征提取能力；其次，采用多尺度的匹配代价计算，兼顾视差估计的全局连续性和细节信息；然后，匹配代价聚合模块引入自注意力机制，以解决代价体值分布不均的问题；之后，通过视差回归获得最终估计视差。最终，通过消融实验和对比实验对深度估计方法的性能进行验证。实验结果表明，在满足无人系统基本实时性的条件下，该方法使D_1指标降低至1.28%,EPE指标降低至0.614像素，有效提升视差估计的精度。此外，定性评估显示，该方法在细长和低纹理物体的深度估计上取得不错的效果。
关键词：深度估计;卷积网络;代价计算;自注意力
基金资助：国家自然科学基金(62073209,61991410); 中国博士后科学基金(2024M751933); 上海市“超级博士后”激励计划(2023316); 山东省自然科学基金(ZR2020KA005); 海洋工程装备检测试验技术国家工程实验室2024年开放课题基金(750NEL-2024-01); 教育部人文社科规划基金项目(23YJAZH081)
