深度图像的预测方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种深度图像的预测方法、装置、设备和存储介质。所述方法包括：采集目标的RGB图像和第一深度图像；所述第一深度图像中包括所述目标的深度信息，所述RGB图像的采集范围大于所述第一深度图像的采集范围；根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像；所述第二深度图像的采集范围与所述RGB图像的采集范围大致相同。采用本方法能够提高预测的深度图像的准确性。预测的深度图像的准确性。预测的深度图像的准确性。

【技术实现步骤摘要】
深度图像的预测方法、装置、设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种深度图像的预测方法、装置、设备和存储介质。

技术介绍

[0002]在对目标进行图像采集方面，为了能够同时采集到目标的像素信息以及目标的深度信息，通常是在图像采集模块的硬件中集成RGB(光学三原色、Red、Green、Blue)相机和深度相机这两类相机，以通过这两类相机结合的方式对目标进行图像采集。然而，随着相机硬件技术的不断发展以及用户需求的不断提升，使得在实际图像采集过程中的大多数RGB相机的视场角要大于深度相机的视场角，在这种情况下，通过RGB相机获得的RGB图像里的场景信息更加完整全面，而通过深度相机获得深度图像中则会有部分场景信息的缺失，从而会影响后续在3D场景中目标的精确定位。
[0003]为了解决上述问题，相关技术中，将图像采集过程中由RGB相机获得的单张RGB图像输入至训练好的神经网络模型，获得预测的深度图像；其中该神经网络模型一般是通过多个场景下的单张RGB图像进行训练得到的。
[0004]然而，采用上述技术预测的深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度图像的预测方法，其特征在于，所述方法包括：采集目标的RGB图像和第一深度图像；所述第一深度图像中包括所述目标的深度信息，所述RGB图像的采集范围大于所述第一深度图像的采集范围；根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像；所述第二深度图像的采集范围与所述RGB图像的采集范围大致相同。2.根据权利要求1所述的方法，其特征在于，所述根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像，包括：对所述RGB图像和所述第一深度图像进行图像预处理操作，确定预处理后的图像；所述预处理操作包括图像对齐处理以及图像合并处理中的至少一种；将所述预处理后的图像输入至所述预测算法中，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像。3.根据权利要求2所述的方法，其特征在于，所述预测算法为神经网络模型；所述将所述预处理后的图像输入至所述预测算法中，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像，包括：将所述预处理后的图像输入至所述神经网络模型中进行预测，确定所述RGB图像对应的第二深度图像；其中，所述神经网络模型是通过对样本数据集进行训练得到的，所述样本数据集包括多个样本RGB图像、每个样本RGB图像对应的样本深度图像以及每个样本深度图像对应的标准深度图像，每个所述样本RGB图像的采集范围大于对应的样本深度图像的采集范围，每个所述标准深度图像的采集范围与对应的样本RGB图像的采集范围相同。4.根据权利要求3所述的方法，其特征在于，所述神经网络模型的训练方式包括：对各所述样本RGB图像和对应的样本深度图像进行预处理操作，确定预处理后的样本图像；所述预处理操作包括图像对齐处理以及图像合并处理中的至...

【专利技术属性】
技术研发人员：刘钰纯，杨帆，岳鸣，崔兴旺，肖永钦，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：