基于轻量化PASMnet神经网络的立体匹配方法

针对传统方法用于立体匹配、三维地形重建效果差,而深度学习的方法模型大、速度慢的问题,提出了一种轻量化PASMnet神经网络的立体匹配方法。首先,对PASMnet进行结构化剪枝,精化参数配置,减少模型参数数量,提升模型运行速度。然后对归一化后的图像进行极线校正,得到成像平面平行的立体影像,进行立体匹配任务。在KITTI2015数据集上进行验证,实验结果表明改进的模型参数量减少为原模型的1/6,运行时间为0.56 s。剪枝量化后的模型运行速度更快,推理时间缩短,并且可以用于月面影像的立体匹配,拓展了模型应用。