《表2 Bad=2.0时Middlebury测试数据集比较结果》
利用上述参数,图13显示了本文提出的方法在KITTI测试数据集上的视差结果。近年来,局部立体匹配方法在Middlebury基准测试中确实取得了良好的效果。本文不仅与导向滤波立体匹配算法(Iterative Guided Filter,IGF)[22]和基于高斯差分引导的局部立体匹配算法(Difference of Gaussian,DoG-Guided)[23]进行了比较分析,并且与基于能量最小化法(Two-Step Global Optimization,TSGO)[24]进行了对比。表2显示了这几种方法在15对测试数据集的性能。如表2中的“ClassRoom2”和“ClassRoom2e”所示,本文方法在处理曝光对方面有很好效果,且与其他几种方法相比,本文平均误差值最低。
图表编号 | XD00222615200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 李婕、巩朋成 |
绘制单位 | 湖北工业大学电气与电子工程学院、湖北工业大学电气与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |