一种基于多层深度平面的深度学习视差估计方法技术

本发明专利技术提供一种基于多层深度平面的深度学习视差估计方法，包括如下步骤：通过N层像素平移构建N层深度平面，所述N为大于1的自然数；通过网络搭建，得到每一层的视差图像的概率；每一层的视差图像概率求和。采用了深度学习网络求解视差，可以从数学上可以求解，以保证求取深度的结果最优。

A method of depth learning parallax estimation based on multi layer depth plane

The present invention provides a method for the estimation of learning disparity based depth multilayer depth plane, which comprises the following steps: constructing planar pixel translation through the N layer N layer depth, the N is a natural number more than 1; set up through the network, get the probability of parallax images of each layer; each layer of the parallax image probability summation. The depth learning network is used to solve the parallax, which can be solved mathematically to ensure the optimal results of the depth.

【技术实现步骤摘要】
一种基于多层深度平面的深度学习视差估计方法
本专利技术涉及图像处理
，具体涉及一种基于多层深度平面的深度学习视差估计方法。
技术介绍
深度检测是计算机视觉中一个重要问题，利用两个摄像头得到左右图像，通过SAD等算法以检测出相关场景图像深度。两个内参相同的相机拍摄同一个三维物点P，矫正后，P分别成像在xleft和xright上。将两相机光轴重叠，可以得到以下计算公式：其中，d为视差，f为焦距，Z为深度，S为两光轴之间的距离。根据上式视差与深度成反比，视差越大，深度越小，物点越靠近摄像机。根据视差可以得到三维物点的深度，而按照深度反投影，就可以得到原始的三维场景。可见，视差的精确程度决定了三维深度的好坏。为了提高视差的精度，研究者们创建了一系列的方法，这些统称为视差估计方法。对于传统的视差估计方法，如果采用最基本的SAD匹配，目前这些传统方法依旧存在较大的不准确性。目前，仍然没有一种精度较高的视差估计方法。
技术实现思路
本专利技术为了解决现有技术中视差估计方法精度不高问题，提供一种基于多层深度平面的深度学习视差估计方法。为了解决上述问题，本专利技术采用的技术方案如下所述：一种基于多层本文档来自技高网...

【技术保护点】
一种基于多层深度平面的深度学习视差估计方法，其特征在于，包括如下步骤：S1：通过N层像素平移构建N层深度平面，所述N为大于1的自然数；S2：通过网络搭建，得到每一层的视差图像的概率；S3：每一层的视差图像概率求和。

【技术特征摘要】
1.一种基于多层深度平面的深度学习视差估计方法，其特征在于，包括如下步骤：S1：通过N层像素平移构建N层深度平面，所述N为大于1的自然数；S2：通过网络搭建，得到每一层的视差图像的概率；S3：每一层的视差图像概率求和。2.如权利要求1所述的基于多层深度平面的深度学习视差估计方法，其特征在于，所述步骤S1中N的取值不大于图像宽度大小的25％。3.如权利要求1所述的基于多层深度平面的深度学习视差估计方法，其特征在于，所述步骤S2中网络搭建采用卷积层，所述卷积层为2-10个。4.如权利要求3所述的基于多层深度平面的深度学习视...

【专利技术属性】
技术研发人员：胡勇，陈鹏，严柯，王鹏，桑新柱，陈铎，荆路友，李超，李永瑞，
申请(专利权)人：深圳市佳创视讯技术股份有限公司，
类型：发明
国别省市：广东,44