(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210566945.4 (22)申请日 2022.05.24 (71)申请人 北京中科慧眼科技有限公司 地址 100085 北京市海淀区创业中路32号 楼32-1-1- 559 (72)发明人 王鹏　杨超　葛方海　刘永才　 (74)专利代理 机构 北京远立知识产权代理事务 所(普通合伙) 11502 专利代理师 李海燕 (51)Int.Cl. G06T 7/593(2017.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 基于双目立体匹配的匹配代价矩阵生成方 法和系统 (57)摘要 本发明公开了一种基于双目立体匹配的匹 配代价矩阵生成方法和系统， 所述方法包括： 获 取目标区域的左图和右图； 将所述左图和所述右 图输入预训练的匹配代价模型， 以得到左特征图 和右特征图； 计算所述左特征图和右特征图在多 个视差点的相似度， 以得到匹配代价矩阵； 其中， 所述匹配代 价模型是利用匹配代 价矩阵样本， 在 深度训练模 型中进行训练得到的。 提高了匹配代 价矩阵的准确性， 为保证双目立体匹配的准确性 提供数据支持。 权利要求书1页 说明书6页 附图2页 CN 114708317 A 2022.07.05 CN 114708317 A 1.一种基于双目立体匹配的匹配代价矩阵生成方法， 其特 征在于， 所述方法包括： 获取目标区域的左图和右图； 将所述左图和所述右图输入预训练的匹配代价模型， 以得到左特 征图和右特 征图； 计算所述左特 征图和右特 征图在多个视 差点的相似度， 以得到匹配代价矩阵； 其中， 所述匹配代价模型是利用匹配代价矩阵样本， 在深度训练模型中进行训练得到 的。 2.如权利要求1所述的匹配代价矩阵生成方法， 其特征在于， 预训练匹配代价模型， 具 体包括以下步骤： 获取匹配代价矩阵样本； 将所述匹配代价矩阵样本 输入深度训练模型中进行训练， 以得到匹配代价模型。 3.如权利要求2所述的匹配代价矩阵生成方法， 其特征在于， 获取匹配代价矩阵样本， 具体包括： 获取左图样本和右图样本； 将所述左图样本和所述右图样本分别输入预训练 的全景分割模型， 以得到左特征图样 本和右特 征图样本； 计算左特 征图样本和右特 征图样本中各视 差点的相似度， 以得到匹配代价矩阵样本； 其中， 所述全景分割模型 是利用全景分割数据集进行训练得到的。 4.如权利要求3所述的匹配代价矩阵生成方法， 其特征在于， 通过预先搭建的全景分割 网络， 使用所述全景分割数据集训练得到全景分割模型。 5.如权利要求4所述的匹配代价矩阵生成方法， 其特征在于， 所述全景分割 网络为U型 结构。 6.一种基于双目立体匹配的匹配代价矩阵生成系统， 其特 征在于， 所述系统包括： 视图获取 单元， 用于获取目标区域的左图和右图； 特征图生成单元， 用于将所述左图和所述右图输入预训练的匹配代价模型， 以得到左 特征图和右特 征图； 代价矩阵生成单元， 用于计算所述左特征图和右特征图在多个视差点的相似度， 以得 到匹配代价矩阵； 其中， 所述匹配代价模型是利用匹配代价矩阵样本， 在深度训练模型中进行训练得到 的。 7.一种电子设备， 其特 征在于， 所述电子设备包括： 数据采集装置、 处 理器和存 储器； 所述数据采集装置用于采集数据； 所述存储器用于存储一个或多个程序指令； 所述处 理器， 用于执 行一个或多个程序指令， 用以执 行如权利要求1 ‑5任一项所述的方法。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中包含一个或多 个程序指令， 所述 一个或多个程序指令用于执 行如权利要求1 ‑5任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114708317 A 2基于双目 立体匹配的匹配代价矩阵生成方 法和系统 技术领域 [0001]本申请实施例涉及自动驾驶技术领域， 具体涉及 一种基于双目立体匹配的匹配代 价矩阵生成方法和系统。 背景技术 [0002]随着人们对更加安全和便捷出行的需求的日益增长， 智能驾驶技术正处于蓬勃发 展时期， 感知和理解环境的能力是汽车智能系统的基础和前提。 智能车辆通过双目相 机采 集视图， 并对双目立体匹配， 在感知周围环境后做出分析， 通过将信息提供给控制系统， 实 现对路面情况的检测。 [0003]双目立体匹配可划分为四个步骤， 即匹配代价计算、 代价聚合、 视差计算和视差优 化。 在匹配代价计算中， 传统双目立体匹配往往使用手工特征。 这种特征一般只能提取较浅 的信息， 无论是单独使用， 还是互相组合， 都很难生成准确的匹配代价矩阵， 则后续步骤无 法得到准确的数据支持， 导 致双目立体匹配的准确性较差 。 发明内容 [0004]为此， 本发明提供一种基于双目立体匹配 的匹配代价矩阵生成方法和系统， 以提 高匹配代价矩阵的准确性， 为保证双目立体匹配的准确性 提供数据支持。 [0005]为了实现上述目的， 本申请实施例提供如下技 术方案： 根据本申请实施例的第一方面， 提供了一种基于双目立体匹配的匹配代价矩阵生 成方法， 所述方法包括： 获取目标区域的左图和右图； 将所述左图和所述右图输入预训练的匹配代价模型， 以得到左特征图和右特征 图； 计算所述左特 征图和右特 征图在多个视 差点的相似度， 以得到匹配代价矩阵； 其中， 所述匹配代价模型是利用匹配代价矩阵样本， 在深度训练模型中进行训练 得到的。 [0006]进一步地， 预训练匹配代价模型， 具体包括以下步骤： 获取匹配代价矩阵样本； 将所述匹配代价矩阵样本 输入深度训练模型中进行训练， 以得到匹配代价模型。 [0007]进一步地， 获取匹配代价矩阵样本， 具体包括： 获取左图样本和右图样本； 将所述左图样本和所述右图样本分别输入预训练的全景分割模型， 以得到左特征 图样本和右特 征图样本； 计算左特征图样本和右特征图样本中各视差点的相似度， 以得到匹配代价矩阵样 本； 其中， 所述全景分割模型 是利用全景分割数据集进行训练得到的。说　明　书 1/6 页 3 CN 114708317 A 3