一种单目深度估计方法及其装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种单目深度估计方法，该方法包括：获取待处理图像；将所述待处理图像输入至经过训练得到的单目深度估计网络模型，得到所述待处理图像的分析结果，其中，所述单目深度估计网络模型是通过第一双目匹配神经网络模型输出的视差图进行监督训练的；输出所述待处理图像的分析结果。本发明专利技术实施例同时还公开了一种单目深度估计装置、设备和存储介质。

【技术实现步骤摘要】
一种单目深度估计方法及其装置、设备和存储介质
本专利技术涉及人工智能领域，尤其涉及一种单目深度估计方法及其装置、设备和存储介质。
技术介绍
单目深度估计是计算机视觉中的重要问题，单目深度估计的具体任务指的是预测一张图片中每个像素点的深度。其中，由每个像素点的深度值组成的图片又称为深度图。单目深度估计对于自动驾驶中的障碍物检测、三维场景重建，场景立体分析有着重要的意义。另外单目深度估计可以间接地提高其他计算机视觉任务的性能，比如物体检测、目标跟踪与目标识别。目前存在的问题是训练用于单目深度估计的神经网络需要大量标记的数据，但是获取标记数据成本很大。在室外环境下标记数据可以通过激光雷达获取，但是获取的标记数据是非常稀疏的，用这样的标记数据训练得到的单目深度估计网络没有清晰的边缘以及不能捕捉细小物体的正确深度信息。
技术实现思路
有鉴于此，本专利技术实施例为解决现有技术中存在的至少一个问题而提供一种单目深度估计方法及其装置、设备和存储介质。本申请实施例的技术方案是这样实现的：本专利技术实施例提供一种单目深度估计方法，所述方法包括：获取待处理图像；将所述待处理图像输入至经过训练得到的单目深度估计本文档来自技高网...

【技术保护点】
1.一种单目深度估计方法，其特征在于，所述方法包括：获取待处理图像；将所述待处理图像输入至经过训练得到的单目深度估计网络模型，得到所述待处理图像的分析结果，其中，所述单目深度估计网络模型是通过第一双目匹配神经网络模型输出的视差图进行监督训练的；输出所述待处理图像的分析结果。

【技术特征摘要】
1.一种单目深度估计方法，其特征在于，所述方法包括：获取待处理图像；将所述待处理图像输入至经过训练得到的单目深度估计网络模型，得到所述待处理图像的分析结果，其中，所述单目深度估计网络模型是通过第一双目匹配神经网络模型输出的视差图进行监督训练的；输出所述待处理图像的分析结果。2.根据权利要求1所述的方法，其特征在于，所述第一双目匹配神经网络模型的训练过程，包括:根据获取的合成样本数据训练第二双目匹配神经网络模型；根据获取的真实样本数据对训练后的第二双目匹配神经网络模型的参数进行调整，得到第一双目匹配神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述合成样本数据包括有深度标记的合成的双目图片，其中，所述合成的双目图片包括合成的左图和合成的右图，对应地，所述根据获取的合成样本数据训练第二双目匹配神经网络模型，包括：根据所述合成的双目图片对第二双目匹配神经网络模型进行训练，得到训练后的第二双目匹配神经网络模型，其中，所述训练后的第二双目匹配神经网络模型的输出为视差图和遮挡图，所述视差图描述了所述左图中每个像素点与所述右图中对应的像素点的视差距离，所述视差距离以像素为单位；所述遮挡图描述了所述左图中每个像素点在所述右图中对应的像素点是否被物体遮挡。4.根据权利要求2所述的方法，其特征在于，所述根据获取的真实样本数据对训练后的第二双目匹配神经网络模型的参数进行调整，得到第一双目匹配神经网络模型，包括：根据获取的带深度标记的真实双目数据对训练后的第二双目匹配神经网络模型进行监督训练，以调整所述训练后的第二双目匹配神经网络模型的权值，得到第一双目匹配神经网络模型。5.根据权利要求2所述的方法，其特征在于，所述根据获取的真实样本数据对训练后的第二双目匹配神经网络模型的参数进行调整，得到第一双目匹配神经网络模型，还包括：使用损失函数，根据获取的不带深度标记的真实双目数据对训练后的第二双目匹配...

【专利技术属性】
技术研发人员：郭晓阳，李鸿升，伊帅，任思捷，王晓刚，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：广东,44