一种视差估计方法、装置、存储介质及终端制造方法及图纸

本发明专利技术公开了一种视差估计方法、装置、存储介质及终端，所述方法包括：在视差信号集合中获取合法视差信号生成视差值掩码图；将视差信号引导模块插入预设双目视差估计模型中生成插入后的双目视差估计模型；将扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；基于高维高斯函数模型和预设权重计算公式生成合法视差值对应的加权后的函数值；基于加权后的函数值生成加权后的视差匹配损失值；将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。因此，采用本发明专利技术实施例，由于提出稀疏、高可信视差信号引导的双目视差估计方案，所以能够有效解决双目视差估计方法的场景适应性。

A parallax estimation method, device, storage medium and terminal

【技术实现步骤摘要】
一种视差估计方法、装置、存储介质及终端
本专利技术涉及计算机
，特别涉及一种视差估计方法、装置、存储介质及终端。
技术介绍
准确的视差估计是场景深度估计的技术基础，场景深度估计在机器人导航、工业精密测量、场景重建、虚拟现实、增强现实、物体识别等领域都用重要的应用。视差估计可以通过双目、结构光、飞时等原理获得。相比于结构光和飞时方案，双目视差估计具有适应室内外场景、抗光性、视差估计范围大等优良特性，同时双目方案结构简单、成本低。本专利技术集中阐述针对双目方案的一种基于稀疏视差信号引导的双目稠密视差估计方法。早期的双目视差估计方法利用摄像头获取图像中的局部区域颜色、结构等信息，匹配左右两个摄像头中一致的区域，进而估计视差。由于直接使用图像的颜色、局部结构信息抗光、抗噪声能力弱，视差估计质量差。后来，通过使用具有一定抗光能力的局部颜色编码特征，使得视差估计对光照变化、一定的噪声更加鲁棒。同时，通过使用全局、半全局等不同大小图像区域的图像信息，进一步改善视差估计质量。近年来，基于卷积神经网络的双目视差估计方法取得了突破性进展，在视差估计准确和速度上都较上述传统方法有了较高提升。但是现有基于卷积神经网络的双目视差估计方法在迁移到不同数据集、场景时，会出现严重的视差估计准确度损失，甚至失效，从而导致严重制约了基于卷积神经网络的双目视差估计方法在实际场景中的应用。
技术实现思路
本专利技术实施例提供了一种视差估计方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。第一方面，本专利技术实施例提供了一种视差估计方法，所述方法包括：获取预设视差信号集合，在所述预设视差信号集合中获取合法视差信号后生成合法视差值掩码图；获取视差信号引导模块，将所述视差信号引导模块插入预设双目视差估计模型的视差匹配损失计算模块中生成插入后的双目视差估计模型；将所述合法视差值掩码图进行扩展生成扩展后的合法视差值掩码图，将所述扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；将所述合法视差值输入预设高维高斯函数模型中生成所述合法视差值对应的函数值，将所述合法视差值对应的函数值输入预设权重计算公式中生成加权后的函数值；基于加权后的函数值对所述插入后的双目视差估计模型中视差匹配损失计算模块的值进行加权生成加权后的视差匹配损失值；将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。可选的，述预设高维高斯函数，包括：获取预设视差估计值集合中各视差估计值对应的向量；将所述预设视差估计值集合中各视差估计值对应的向量进行扩展生成扩展后的视差估计值集合；将所述扩展后的视差估计值集合作为所述高维高斯函数模型的参数值，得到预设高维高斯函数模型；可选的，所述预设权重计算公式为w1=1-M+M*w，其中，M为所述扩展后的合法视差值掩码图，w为所述合法视差值对应的函数值，w1为加权后的函数值。可选的，所述获取预设视差信号集合之前，还包括：利用双目摄像头采集第一灰度图像和第二灰度图像，其中左摄像头获取的图像对应所述第一灰度图像，右摄像头获取的图像对应所述第二灰度图像；将所述第一灰度图像和第二灰度图像进行筛选后生成第三灰度图像和第四灰度图像；基于预设标定程序和所述第三灰度图像以及第四灰度图像对所述双目摄像头进行标定，生成标定参数。可选的，所述获得标定参数之后，还包括：当所述标定参数达到预设标定参数值时，基于所述标定参数对所述第三灰度图像和第四灰度图像进行校正生成第五灰度图像和第六灰度图像。可选的，所述基于所述标定参数对所述第三灰度图像和第四灰度图像进行校正生成第五灰度图像和第六灰度图像之后，还包括：将所述第五灰度图像和第六灰度图像输入至预设半全局块匹配视差估计方法模型中生成第五灰度图像对应的视差估计图和第六灰度图像对应的视差估计图；将所述第五灰度图像对应的视差估计图和第六灰度图像对应的视差估计图进行一致性校验，获取所第五灰度图像对应的视差估计图中每个像素点视差值的置信度生成置信度图；将所述视第五灰度图像对应的视差估计图输入预设亚像素估计方法模型中生成亚像素精度的视差值；基于所述置信度图，将所述亚像素精度的视差值中置信度低于预设阈值的视差值设为零生成视差信号集合，所述视差信号集合作为预设视差信号集合。第二方面，本专利技术实施例提供了一种视差估计装置，所述装置包括：视差值掩码图生成模块，用于获取预设视差信号集合，在所述预设视差信号集合中获取合法视差信号后生成合法视差值掩码图；模型生成模块，用于获取视差信号引导模块，将所述视差信号引导模块插入预设双目视差估计模型的视差匹配损失计算模块中生成插入后的双目视差估计模型；合法视差值生成模块，用于将所述合法视差值掩码图进行扩展生成扩展后的合法视差值掩码图，将所述扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；函数值生成模块，用于将所述合法视差值输入预设高维高斯函数模型中生成所述合法视差值对应的函数值，将所述合法视差值对应的函数值输入预设权重计算公式中生成加权后的函数值；损失值生成模块，基于加权后的函数值对所述插入后的双目视差估计模型中视差匹配损失计算模块的值进行加权生成加权后的视差匹配损失值；视差估计图生成模块，用于将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。可选的，所述装置还包括：图像采集模块，用于利用双目摄像头采集第一灰度图像和第二灰度图像，其中左摄像头获取的图像对应所述第一灰度图像，右摄像头获取的图像对应所述第二灰度图像；图像生成模块，用于将所述第一灰度图像和第二灰度图像进行筛选后生成第三灰度图像和第四灰度图像；参数生成模块，基于预设标定程序和所述第三灰度图像以及第四灰度图像对所述双目摄像头进行标定，生成标定参数。可选的，所述装置还包括：图像矫正模块，用于当所述标定参数达到预设标定参数值时，基于所述标定参数对所述第三灰度图像和第四灰度图像进行校正生成第五灰度图像和第六灰度图像。可选的，所述装置还包括：视差估计图生成模块，用于将所述第五灰度图像和第六灰度图像输入至预设半全局块匹配视差估计方法模型中生成第五灰度图像对应的视差估计图和第六灰度图像对应的视差估计图；置信度图生成模块，用于将所述第五灰度图像对应的视差估计图和第六灰度图像对应的视差估计图进行一致性校验，获取所第五灰度图像对应的视差估计图中每个像素点视差值的置信度生成置信度图；视差值生成模块，用于将所述视第五灰度图像对应的视差估计图输入预设亚像素估计方法模型中生成亚像本文档来自技高网...

【技术保护点】
1.一种视差估计方法，其特征在于，所述方法包括：/n获取预设视差信号集合，在所述预设视差信号集合中获取合法视差信号后生成合法视差值掩码图；/n获取视差信号引导模块，将所述视差信号引导模块插入预设双目视差估计模型的视差匹配损失计算模块中生成插入后的双目视差估计模型；/n将所述合法视差值掩码图进行扩展生成扩展后的合法视差值掩码图，将所述扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；/n将所述合法视差值输入预设高维高斯函数模型中生成所述合法视差值对应的函数值，将所述合法视差值对应的函数值输入预设权重计算公式中生成加权后的函数值；/n基于加权后的函数值对所述插入后的双目视差估计模型中视差匹配损失计算模块的值进行加权生成加权后的视差匹配损失值；/n将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。/n

【技术特征摘要】
1.一种视差估计方法，其特征在于，所述方法包括：
获取预设视差信号集合，在所述预设视差信号集合中获取合法视差信号后生成合法视差值掩码图；
获取视差信号引导模块，将所述视差信号引导模块插入预设双目视差估计模型的视差匹配损失计算模块中生成插入后的双目视差估计模型；
将所述合法视差值掩码图进行扩展生成扩展后的合法视差值掩码图，将所述扩展后的合法视差值掩码图输入所述插入后的双目视差估计模型中生成合法视差值；
将所述合法视差值输入预设高维高斯函数模型中生成所述合法视差值对应的函数值，将所述合法视差值对应的函数值输入预设权重计算公式中生成加权后的函数值；
基于加权后的函数值对所述插入后的双目视差估计模型中视差匹配损失计算模块的值进行加权生成加权后的视差匹配损失值；
将所述加权后的视差匹配损失值输入所述插入后的双目视差估计模型中生成视差信号引导的视差估计图。


2.根据权利要求1所述的方法，其特征在于，所述预设高维高斯函数，包括：
获取预设视差估计值集合中各视差估计值对应的向量；
将所述预设视差估计值集合中各视差估计值对应的向量进行扩展生成扩展后的视差估计值集合；
将所述扩展后的视差估计值集合作为所述高维高斯函数模型的参数值，得到预设高维高斯函数模型。


3.根据权利要求1所述的方法，其特征在于，所述预设权重计算公式为w1=1-M+M*w，其中，M为所述扩展后的合法视差值掩码图，w为所述合法视差值对应的函数值，w1为加权后的函数值。


4.根据权利要求1所述的方法，其特征在于，所述获取预设视差信号集合之前，还包括：
利用双目摄像头采集第一灰度图像和第二灰度图像，其中左摄像头获取的图像对应所述第一灰度图像，右摄像头获取的图像对应所述第二灰度图像；
将所述第一灰度图像和第二灰度图像进行筛选后生成第三灰度图像和第四灰度图像；
基于预设标定程序和所述第三灰度图像以及第四灰度图像对所述双目摄像头进行标定，生成标定参数。


5.根据权利要求4所述的方法，其特征在于，所述获得标定参数之后，还包括：
当所述标定参数达到预设标定参数值时，基于所述标定参数对所述第三灰度图像和第四灰度图像进行校正生成第五灰度图像和第六灰度图像。


6.根据权利要求3所述的方法，其特征在于，所述基于所...

【专利技术属性】
技术研发人员：陈俊逸，
申请(专利权)人：长沙小钴科技有限公司，
类型：发明
国别省市：湖南;43