【技术实现步骤摘要】
一种基于几何一致性的深度估计效果优化方法
[0001]本专利技术属于计算机视觉领域,尤其针对深度传感系统,具体涉及一种基于几何一致性的深度估计效果优化方法。
技术介绍
[0002]近年来,随着计算机视觉应用的快速增长,单幅图像的深度估计,即预测每个像素到摄像机的距离已成为一个重要问题。它在诸如增强现实、无人机控制、自动驾驶和运动规划等领域有着广泛的应用。然而,单目深度估计一直受限于任务本身存在的固有二义性,因为当没有任何约束的情况下,一个二维图片可以是多种三维空间点的投影。所以在缺乏三维几何约束的情况下,单目深度估计的结果会有很大的偏差。因此需要找到一种约束或引导信息来帮助单目深度估计任务效果的提升。
[0003]表面法向量与深度有着天然的几何一致性,一方面,表面法线由三维点的局部表面切平面确定,而这是可以根据深度估计出来的;另一方面,深度又受表面法线所确定的局部表面切平面的约束。因此我们就可以利用表面法向量与深度之间的几何一致性来对单目深度估计的结果进行优化,以达到更精准的深度估计效果。
技术实现思路
[0004]本专利技术主要考虑随着计算机视觉应用的快速增长,深度传感和估计在广泛的工程应用中至关重要。然而,现有的单目深度估计方法受限于任务的固有二义性问题使得其估计出来的深度图存在着较大的偏差。于是,如何提高单目深度估计精度是值得探讨的问题。
[0005]针对现有技术中存在的不足,本专利技术提供一种基于几何一致性的深度估计效果优化方法。本专利技术针对单目深度估计问题,对传统的单目深度 ...
【技术保护点】
【技术特征摘要】
1.一种基于几何一致性的深度估计效果优化方法,其特征在于,具体步骤如下:步骤1、通过深度估计网络模型获取初始深度图;步骤2、通过表面法向量估计网络模型获取对应的表面法向量图;步骤3、通过几何一致性约束对初始深度图中的像素点进行优化;步骤4、训练深度估计网络模型并通过表面法向量估计网络模型和几何一致性约束算法完成对深度估计结果的优化。2.根据权利要求1所述的一种基于几何一致性的深度估计效果优化方法,其特征在于,步骤1具体方法如下;深度估计网络模型由编码器和解码器两部分构成,其中编码器部分使用ResNet50神经网络,解码器部分使用标准上采样,且每个残差块都要与对应的上采样层进行数值传递,即添加跳过连接;深度估计网络接收来自相机的RGB图,并输出初始深度图。3.根据权利要求1所述的一种基于几何一致性的深度估计效果优化方法,其特征在于,步骤3具体方法如下;处于同一平面上的像素之间的深度变化是与这个平面的表面法向量相关的,通过这个共面的几何一致性来约束优化深度信息,几何一致性约束算法描述如下:对于图像中的任意一个像素点i,给定它的表面法向量(n
ix
,n
iy
,n
iz
)和它初始估计出来的深度z
i
,优化这个点的深度;首先,对于一个三维点(x
i
,y
i
,z
i
)和它的表面法向量(n
ix
,n
iy
,n
iz
),唯一确定一个切平面P
i
,满足公式:n
ix
(x
‑
x
i
)+n
iy
(y
‑
y
i
)+n
iz
(z
‑
z
i
)=0遵循传统的假设,即像素i周围小范围的像素也都在这个切平面P
i
...
【专利技术属性】
技术研发人员:颜成钢,杨智文,张杰华,李亮,高宇涵,孙垚棋,陈楚翘,王鸿奎,王廷宇,殷海兵,张继勇,李宗鹏,赵治栋,
申请(专利权)人:杭电丽水研究院有限公司,
类型:发明
国别省市:
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。