深度图预测模型生成方法和装置、深度图预测方法和装置制造方法及图纸

本公开实施例公开了一种深度图预测模型生成方法和装置、深度图预测方法和装置，其中，该方法包括：获取预设数量个训练样本图像对集合；对于预设数量个训练样本图像对集合中的每个训练样本图像对集合，将该训练样本图像对集合中的训练样本图像对包括的全景图作为初始模型的输入，将与输入的全景图对应的深度图作为初始模型的期望输出，训练初始模型，得到该训练样本图像对集合对应的深度图预测模型。本公开实施例可以使用这些深度图预测模型对各种纬度跨度的全景图进行深度图预测，提高模型的泛化能力以及预测的准确性。

【技术实现步骤摘要】
深度图预测模型生成方法和装置、深度图预测方法和装置
本公开涉及计算机
，尤其是一种深度图预测模型生成方法和装置、深度图预测方法和装置、计算机可读存储介质及电子设备。
技术介绍
传统的三维数据的拼接过程中，需要用到图像的深度信息来做对齐。对齐是要将不同拍摄位置，不同设备采集的点云数据进行拼接，从而生成真实场景的三维模型。由于在对齐的过程中需要使用到深度信息，因此需要图像采集设备具有深度摄像头，能够采集图像相对于采集设备的距离信息。为了降低拍摄成本，可以采用基于深度学习的方法训练模型，生成更多的全景图和深度图。通常，全景图是个2：1的极坐标图片，其水平方向对应于经度360°、垂直方向对应于纬度180°。以全景图为输入，模型直接估算全景图上各点对应的深度值。
技术实现思路
本公开的实施例提供了一种深度图预测模型生成方法和装置、深度图预测方法和装置、计算机可读存储介质及电子设备。本公开的实施例提供了一种深度图预测模型生成方法，该方法包括：获取预设数量个训练样本图像对集合，其中，每个训练样本图像对集合中的训练样本本文档来自技高网...

【技术保护点】
1.一种深度图预测模型生成方法，包括：/n获取预设数量个训练样本图像对集合，其中，每个训练样本图像对集合中的训练样本图像对包括有效纬度跨度相同的全景图和对应的深度图，所述有效纬度跨度是所述全景图和所述深度图中的有效区域的纬度跨度；/n对于所述预设数量个训练样本图像对集合中的每个训练样本图像对集合，将该训练样本图像对集合中的训练样本图像对包括的全景图作为初始模型的输入，将与输入的全景图对应的深度图作为所述初始模型的期望输出，训练所述初始模型，得到该训练样本图像对集合对应的深度图预测模型。/n

【技术特征摘要】
1.一种深度图预测模型生成方法，包括：
获取预设数量个训练样本图像对集合，其中，每个训练样本图像对集合中的训练样本图像对包括有效纬度跨度相同的全景图和对应的深度图，所述有效纬度跨度是所述全景图和所述深度图中的有效区域的纬度跨度；
对于所述预设数量个训练样本图像对集合中的每个训练样本图像对集合，将该训练样本图像对集合中的训练样本图像对包括的全景图作为初始模型的输入，将与输入的全景图对应的深度图作为所述初始模型的期望输出，训练所述初始模型，得到该训练样本图像对集合对应的深度图预测模型。


2.根据权利要求1所述的方法，其中，所述初始模型用于对输入的全景图进行循环填充操作，得到填充后图像，对所述填充后图像进行卷积操作。


3.根据权利要求1或2所述的方法，其中，在所述获取预设数量个训练样本图像对集合之前，所述方法还包括：
获取初始图像对集合，其中，所述初始图像对集合中的初始图像对包括预设纬度跨度的全景图和对应的深度图；
获取预设的纬度跨度集合；
对于所述纬度跨度集合中的每个纬度跨度，基于该纬度跨度执行如下步骤：
从所述初始图像对集合中的每个初始图像对包括的全景图和深度图中，截取该纬度跨度对应的子全景图和子深度图；
对所截取的子全景图和子深度图进行像素补齐，得到预设比例的全景图和深度图作为训练样本图像对；
将所得到的各个训练样本图像对确定为该纬度跨度对应的训练样本图像对集合。


4.根据权利要求3所述的方法，其中，所述从所述初始图像对集合中的每个初始图像对包括的全景图和深度图中，截取该纬度跨度对应的子全景图和子深度图，包括：
从所述初始图像对集合中的每个初始图像对包括的全景图和深度图中，随机截取该纬度跨度对应的子全景图和子深度图。


5.一种深度图预测方法，包括：
获取待预测全景图；
确定所述待预测全景图中的有效区域的纬度跨度；
从预先训练的深度图预测模型集合中，选择与所述纬度跨度匹配的深度图预测模型，其中，所述深度图预测模型集合预先基于权利要求1-4之一所述的方法训练得到；
将所...

【专利技术属性】
技术研发人员：顾晓东，王明远，杨永林，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12