从Block Matching到PSMnet：立体匹配算法的深度学习转型

论文题目：Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation

作者：Jia-Ren Chang ；Yong-Sheng Chen等人

作者机构：National Chiao Tung University, Taiwan(台湾交通大学)

论文链接：https://arxiv.org/abs/Pyramid Stereo Matching Network

项目代码：https://github.com/JiaRenChang/PSMNet（论文中提到的开源代码,用的是Pytorch框架）

PSMNet是由Jia-Ren Chang等人于2018年发表在CVPR上的论文，是一种基于金字塔的端到端立体匹配网络，用于利用立体匹配中的全局上下文信息。PSMNet使用空间金字塔池（SPP）和扩张卷积来扩大接受域，将像素级特征扩展到具有不同接受域尺度的区域级特征。这种方法使得PSMNet能够得到全局和局部的深度信息，从而提高了立体匹配的准确性。PSMNet引入了将全局上下文信息纳入图像特征的金字塔池模块和一个以扩展在成本量中的上下文信息的区域支持的堆叠沙漏3D-CNN，对后续的算法开发产生深远影响。

1 前言

立体图像中的深度估计对计算机视觉应用来说至关重要，包括自动驾驶、三维模型重建以及对象检测和识别。给定一对已校准的