【技术实现步骤摘要】
图像处理方法、电子设备、存储介质及程序产品
[0001]本申请涉及终端
，尤其涉及一种图像处理方法、电子设备、存储介质及程序产品。
技术介绍
[0002]深度图像是物体的三维表示形式，能够直接反映景物可见表面的几何形状。根据具有的深度信息的稀疏程度区分，深度图像包括稀疏深度图和稠密深度图。在应用时通常使用的是稠密深度图。
[0003]在一种情况下，可以通过具有高分辨率等优良指标的深度相机获得稠密深度图。也即，通过该深度相机对待拍摄的目标进行拍摄，从而得到具有高分辨率的稠密深度图。
[0004]然而，由于深度相机的成本、分辨率与功耗等指标通常无法同时满足商业需求，导致通过该深度相机获得稠密深度图的适用性较差。所以如何获得稠密深度图成为研究的热点。
技术实现思路
[0005]本申请提供一种图像处理方法、电子设备、存储介质及程序产品，解决了现有技术中由于受融合算法的精度的限制使得最终得到的深度图的准确性较低的问题。
[0006]为达到上述目的，本申请采用如下技术方案：
[000...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：确定视频帧序列中的第一视频帧对应的第一估计稀疏深度图和第一估计位姿信息，所述视频帧序列是由移动拍摄的RGB相机采集的；基于所述第一视频帧、所述第一估计稀疏深度图、所述第一估计位姿信息、所述视频帧序列中位于所述第一视频帧之前的第二视频帧、所述第二视频帧对应的第二估计稀疏深度图和第二估计位姿信息、以及由深度相机采集的与所述第一视频帧同步的目标稀疏深度图，确定所述第一视频帧对应的第一校正稀疏深度图和第一校正位姿信息；基于所述第一视频帧、所述第一校正稀疏深度图和所述第一校正位姿信息、以及所述第二视频帧、所述第二视频帧的第二校正稀疏深度图和第二校正位姿信息，确定所述第一视频帧对应的稠密深度图。2.如权利要求1所述的方法，其特征在于，所述基于所述第一视频帧、所述第一估计稀疏深度图、所述第一估计位姿信息、所述视频帧序列中位于所述第一视频帧之前的第二视频帧、所述第二视频帧对应的第二估计稀疏深度图和第二估计位姿信息、以及由深度相机采集的与所述第一视频帧同步的目标稀疏深度图，确定所述第一视频帧对应的第一校正稀疏深度图和第一校正位姿信息，包括：将所述第一视频帧、所述第一估计稀疏深度图、所述第一估计位姿信息、所述第二视频帧、所述第二估计稀疏深度图、所述第二估计位姿信息、以及所述目标稀疏深度图输入至第一目标模型中进行处理，输出所述第一校正稀疏深度图和所述第一校正位姿信息；其中，所述第一目标模型能够基于任意一个视频帧、所述任意一个视频帧对应的估计稀疏深度图和估计位姿信息、位于所述任意一个视频帧之前的其他视频帧、所述其他视频帧对应的估计稀疏深度图和估计位姿信息、以及由所述深度相机采集的与所述任意一个视频帧同步的稀疏深度图，确定所述任意一个视频帧对应的校正稀疏深度图和校正位姿信息。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取第一样本数据集，所述第一样本数据集中包括多组第一样本数据，所述多组第一样本数据中的每组第一样本数据包括所述深度相机采集的稀疏深度图样本、所述RGB相机采集的视频帧样本序列、所述视频帧样本序列中的各个视频帧样本对应的样本估计稀疏深度图和样本估计位姿信息、以及真实稀疏深度图样本和真实样本位姿信息；基于所述第一样本数据集对待训练的第一网络模型进行训练，得到所述第一目标模型。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一视频帧、所述第一校正稀疏深度图和所述第一校正位姿信息、以及所述第二视频帧、所述第二视频帧的第二校正稀疏深度图和第二校正位姿信息，确定所述第一视频帧对应的稠密深度图，包括：将所述第一视频帧、所述第一校正稀疏深度图、所述第一校正位姿信息、所述第二视频帧、所述第二校正稀疏深度图和所述第二校正位姿信息输入至第二目标模型中进行处理，输出所述稠密深度图；其中，所述第二目标模型...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。