《表2 不同方法的近距离物体相对测距误差和用时对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Mask R-CNN的物体识别和定位》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

可以看出，基于YOLOv3&GC方法的测距受到物体分割精度低的影响，测距误差较大而且不稳定，而且GC算法速度非常慢。Mask R-CNN&ICP方法的精度和稳定性都好于前者。本文还测试了YOLOv3&SGM方法，但是由于物体透明等原因，SGM很难正确估计出物体部分的视差，因此没法得到测试结果。表2为3种方法的误差和用时对比。可以看出，传统计算全局视差图的方案速度慢、精度低，且鲁棒性差，而Mask R-CNN&ICP方法不涉及视差图的计算，既保证了物体测距的精度和鲁棒性，同时还提高了速度。