针对现有双目视觉测距方法中存在的精度低、抗干扰能力弱、鲁棒性差等问题，提出一种基于深度学习图像特征匹配的双目深度测距方法。首先将双目图像通过一个自监督训练的特征提取网络，通过两个解码器获取双目图像的特征点与描述符，然后根据描述符进行特征点的匹配以获取视差，最后根据双目相机的相似三角形原理获取目标的真实深度。在KITTI数据集上的验证实验结果表明，建立的特征提取网络性能优于传统方法与其他基于深度学习的方法。双目测距实验结果表明，该方法在20~150cm范围内的平均误差为0.58%，满足精确测距要求。
0 引言
随着计算机视觉技术的飞速发展，双目视觉系统成为一大研究热点，在机器人视觉、军事技术、三维重建等领域发挥着重要作用[1]。基于超声波、雷达、红外等技术的测距方法很早就应用在移动机器人领域中，与这些主动测距技术相比，双目视觉测距具有成本低、鲁棒性强、抗干扰性能强的优点。