一种深度估计方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种深度估计方法、装置、电子设备及存储介质，用于改善获得的深度估计图存在二维图像的局部深度信息不够准确的问题。该方法包括：获得第一图像和第二图像，第一图像和第二图像是目标视频中的不同视频帧；提取第一图像中的第一深度特征图，并提取第二图像中的第二深度特征图，深度特征图表征二维图像中的三维深度信息；将第一图像和第二图像进行拼接融合，获得融合图像；根据融合图像、第一深度特征图和第二深度特征图确定遮蔽特征图，遮蔽特征图表征图像中的噪声被遮蔽后的特征图；根据遮蔽特征图和第一深度特征图确定深度估计图，深度估计图表征第一图像和第二图像的三维深度信息。

【技术实现步骤摘要】
一种深度估计方法、装置、电子设备及存储介质
本申请涉及人工智能、深度学习和机器视觉的
，具体而言，涉及一种深度估计方法、装置、电子设备及存储介质。
技术介绍
深度估计，是指对一个或者多个二维的图片进行计算，例如：使用神经网络算法估计出三维的深度估计图，深度估计图是指表征二维图像的三维深度信息的矩阵，因此，深度估计也可以理解为从二维平面信息推测出三维空间信息。目前，获得深度估计图(即深度信息)的方法通常是，获得二维图像中的物体的几何法向量，再根据该几何法向量来获得深度估计图；然而，在具体的实践过程中发现，通过这种方式获得的深度估计图存在二维图像的局部深度信息不够准确。
技术实现思路
本申请实施例的目的在于提供一种深度估计方法、装置、电子设备及存储介质，用于改善获得的深度估计图存在二维图像的局部深度信息不够准确的问题。本申请实施例提供了一种深度估计方法，包括：获得第一图像和第二图像，第一图像和第二图像是目标视频中的不同视频帧；提取第一图像中的第一深度特征图，并提取第二图像中的第二深度特征图，深度特征图表征二本文档来自技高网...

【技术保护点】
1.一种深度估计方法，其特征在于，包括：/n获得第一图像和第二图像，所述第一图像和所述第二图像是目标视频中的不同视频帧；/n提取所述第一图像中的第一深度特征图，并提取所述第二图像中的第二深度特征图，所述深度特征图表征二维图像中的三维深度信息；/n将所述第一图像和所述第二图像进行拼接融合，获得融合图像；/n根据所述融合图像、所述第一深度特征图和所述第二深度特征图确定遮蔽特征图，所述遮蔽特征图表征图像中的噪声被遮蔽后的特征图；/n根据所述遮蔽特征图和所述第一深度特征图确定深度估计图，所述深度估计图表征所述第一图像和所述第二图像的三维深度信息。/n

【技术特征摘要】
1.一种深度估计方法，其特征在于，包括：
获得第一图像和第二图像，所述第一图像和所述第二图像是目标视频中的不同视频帧；
提取所述第一图像中的第一深度特征图，并提取所述第二图像中的第二深度特征图，所述深度特征图表征二维图像中的三维深度信息；
将所述第一图像和所述第二图像进行拼接融合，获得融合图像；
根据所述融合图像、所述第一深度特征图和所述第二深度特征图确定遮蔽特征图，所述遮蔽特征图表征图像中的噪声被遮蔽后的特征图；
根据所述遮蔽特征图和所述第一深度特征图确定深度估计图，所述深度估计图表征所述第一图像和所述第二图像的三维深度信息。


2.根据权利要求1所述的方法，其特征在于，所述根据所述融合图像、所述第一深度特征图和所述第二深度特征图确定遮蔽特征图，包括：
使用姿态估计网络模型提取所述融合图像中的姿态特征，获得姿态特征图；
将所述第一深度特征图和所述姿态特征图进行加权融合，获得第一融合特征，并将所述第二深度特征图和所述姿态特征图进行加权融合，获得第二融合特征；
根据所述第一融合特征和所述第二融合特征确定所述遮蔽特征图。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一融合特征和所述第二融合特征确定所述遮蔽特征图，包括：
对所述第一融合特征进行姿态修正，获得第一修正特征；
对所述第二融合特征进行插值修正，获得第二修正特征；
根据所述第一修正特征和所述第二修正特征确定所述遮蔽特征图。


4.根据权利要求1所述的方法，其特征在于，所述根据所述遮蔽特征图和所述第一深度特征图确定深度估计图，包括：
根据所述遮蔽特征图确定损失函数；
使用所述损失函数修正所述第一深度特征图，获得所述深度估计图。


5.根据权利要求1所述的方法，其特征在于，所述提取所述第一图像中的第一深度特征图，并提取所述第二图像中的第二深度特征图，包括：
使用第一深度估计网络模型提取所述第一图像中的第一深度特征图，所述第一深度估计网络模型为提取深度信息特征的神经网络模型；
使用第二深度估...

【专利技术属性】
技术研发人员：范馨予，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11