平坦表面检测装置和方法制造方法及图纸

提供了一种用于检测平坦表面的方法和装置，该方法包括：基于在第一网络中估计的输入图像的像素级视差，获取输入图像的像素级平面参数；基于被训练为执行图像的分段的第二网络，确定输入图像的像素级分段匹配概率；基于像素级平面参数和像素级分段匹配概率，获取分段级平面参数；以及基于分段级平面参数，检测输入图像中的平坦表面。输入图像中的平坦表面。输入图像中的平坦表面。

【技术实现步骤摘要】
平坦表面检测装置和方法
[0001]相关申请的交叉引用
[0002]本申请要求于2021年10月27日在韩国知识产权局递交的韩国专利申请No.10
‑
2021
‑
0144225的优先权，其全部公开内容通过引用合并于此以用于所有目的。


[0003]以下描述涉及一种用于检测平坦表面的方法和装置。

技术介绍

[0004]平坦表面是图像的重要几何特征，并且用于诸如场景理解、图像重建和对象识别的各种计算机视觉领域。已经开发了各种基于图像的深度信息的方法来检测图像中的平坦表面。此外，随着深度学习技术的发展，正在开发使用神经网络来检测图像中的平坦表面的各种方法。可以使用包括对应于图像的深度信息、法线向量或平坦表面的真实标签在内的训练数据，基于监督学习方案来实现用于平面检测的神经网络。然而，难以获取包括真实标签的图像数据，并且在应用于没有真实标签的真实环境中存在限制。

技术实现思路

[0005]提供本
技术实现思路
以用简化形式介绍对下面在具体实施方式中进一步描述的构思的选择。本
技术实现思路
不意在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测平坦表面的方法，所述方法包括：基于在第一网络中估计的输入图像的像素级视差，获取所述输入图像的像素级平面参数；基于被训练为执行图像的分段的第二网络，确定所述输入图像的像素级分段匹配概率；基于所述像素级平面参数和所述像素级分段匹配概率，获取所述输入图像的每个分段的分段级平面参数；以及基于所述分段级平面参数，检测所述输入图像中的平坦表面。2.根据权利要求1所述的方法，其中，检测所述输入图像中的平坦表面包括：基于所述像素级分段匹配概率，获取像素级分段聚类信息；以及基于所述分段级平面参数和所述像素级分段聚类信息，检测所述输入图像中的平坦表面。3.根据权利要求1所述的方法，其中，获取所述输入图像中的每个分段的分段级平面参数包括：基于所述第二网络，根据与对应分段相对应的像素级分段匹配概率获得所述像素级平面参数的加权和；以及基于所述像素级平面参数的所述加权和，获取所述对应分段的平面参数。4.根据权利要求1所述的方法，其中，所述第一网络和所述第二网络基于以下至少一项进行训练：第一损失，所述第一损失与每个像素匹配每个分段的概率相关联，其中所述概率基于与基于所述第二网络聚类的每个分段相对应的平面参数的概率分布来计算；或者第二损失，所述第二损失与第一图像与通过基于在所述第一网络中估计的对应于所述第一图像的视差对与所述第一图像相对应的第二图像进行转换而获得的图像之间的差相关联。5.根据权利要求1所述的方法，其中，获取所述像素级平面参数包括：基于所述第一网络，确定所述输入图像的像素级视差；以及基于捕捉所述输入图像的相机的固有参数，从所述像素级视差获取包括法线向量和距离信息在内的所述像素级平面参数。6.一种存储指令的非暂时性计算机可读存储介质，所述指令在由处理器执行时使所述处理器执行权利要求1所述的方法。7.一种平面检测模型的学习方法，所述学习方法包括：基于通过将第一图像应用于第一网络而获取的所述第一图像的像素级视差，获取训练数据中包括的所述第一图像的像素级平面参数；通过将所述第一图像应用于第二网络来确定所述第一图像的像素级分段匹配概率；以及基于第一损失来训练所述第一网络和所述第二网络，所述第一损失与所述第一图像的每个像素匹配每个分段的概率相关联，其中所述概率基于所述第一图像的像素级平面参数和所述第一图像的像素级分段匹配概率来计算。8.根据权利要求7所述的学习方法，其中，所述第一图像的每个像素匹配每个分段的概
率基于所述像素级平面参数和与分段数相对应的平面参数的概率分布来计算。9.根据权利要求8所述的学习方法，其中，所述与分段数相对应的平面参数的概率分布包括：与基于所述像素级分段匹配概率和所述像素级平面参数计算的分段相对应的平面参数的代表值；以及与基于所述像素级分段匹配概率、所述像素级平面参数、以及与所述分段相对应的所述平面参数的代表值计算的分段相对应的平面参数的方差。10.根据权利要求7所述的学习方法，其中，训练所述第一网络和所述第二网络包括：基于在所述第一网络中估计的对应于所述第一图像的深度，对在与所述第一图像的视点不同的视点处捕捉的第二图像进行转换；以及基于所述第一损失和第二损失来训练所述第一网络和所述第二网络，其中所述第二损失与所述第一图像和通过转换所述第二图像而获得的图像之间的差相关联。11.根据权利要求7所述的学习方法，其中，所述训练数据包括以下至少一项：与立体图像中的第一单目图像相对应的第一图像和与所述立体图像中的第二单目图像相对应的第二图像；或者与视频图像中的第一帧相对应的第一图像和与所述视频图像中的第二帧相对应的第二图像。12.根据权利要求7所...

【专利技术属性】
技术研发人员：金胜彦，张现盛，李元熙，张锡焕，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：