一种改进AD代价的立体匹配算法

本文提出了一种基于改进AD-Census的立体匹配算法,旨在获得最优匹配代价,引入机器学习训练特征思想和数据分析思想,以此获取最优代价对应的匹配效果。对于AD代价函数,引入了动态参数,便于动态调参。用基本单位化操作和异化操作调整AD代价函数结构,用于更密的代价集合,且便于配合最优动态参数获取最优代价。考虑到AD匹配代价的不足之处,将新改进后的AD代价和Census代价进行代价融合,得到最优AD代价。最优AD代价匹配算法的实验结果表明,匹配精度更高,鲁棒性更好。实验应用Middlebury数据集,平均误匹率相较于AD-Census算法整体平均提高了3.9002%。