一种单目深度预测方法、装置、电子设备及储存介质制造方法及图纸

本发明专利技术提供一种单目深度预测方法、装置、电子设备及储存介质，方法包括：获取单目相机拍摄的二维图像并输入至完成训练的深度预测神经网络模型；深度预测神经网络模型基于预设的深度值转化条件对二维图像中每个像素的深度值进行深度区间类别预测和深度偏移预测。相较于现有技术采用的回归预测，其预测的像素深度值范围过大不利于神经网络模型学习，本发明专利技术将像素深度值转化为深度区间类别和深度偏移的表示方法，缩减了预测深度值的范围，使之更有利于神经网络模型学习，提高了远距离深度的预测效果。预测效果。预测效果。

【技术实现步骤摘要】
一种单目深度预测方法、装置、电子设备及储存介质


[0001]本专利技术涉及车辆自动驾驶
，尤其涉及一种单目深度预测方法、装置、电子设备及储存介质。

技术介绍

[0002]环境感知是自动驾驶的第一环，是车辆和环境交互的纽带。自动驾驶系统整体表现的好坏，很大程度上都取决于感知系统的好坏，自动驾驶需要精确的深度感知。
[0003]深度是执行感知、导航和轨迹规划的关键参数，以确保自动驾驶汽车安全运行。尤其在远距离深度预测场景中预测目标框的深度，现有方法是采用像素的深度值直接回归预测，往往因为深度的回归预测值范围过大，不利于神经网络模型学习，从而容易导致回归预测在进行实际预测的时候对深度预测结果不准确。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供的一种单目深度预测方法、装置、电子设备及储存介质，旨在解决现有技术中深度的回归预测值范围过大不利于神经网络模型学习的问题，提高了远距离深度的预测效果。
[0005]本专利技术提供一种单目深度预测方法，包括：
[0006]获取单目相机拍摄的二维图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单目深度预测方法，其特征在于，包括：获取单目相机拍摄的二维图像；将所述二维图像输入至深度预测神经网络模型，得到所述深度预测神经网络模型输出的所述二维图像中每个像素的深度值对应的深度区间类别和深度偏移值，其中，所述深度预测神经网络模型是基于二维样本图像及所述二维样本图像对应的深度标签训练得到，所述深度标签为二维样本图像中每个像素的深度值对应的深度区间类别真值和深度偏移真值，所述深度预测神经网络模型用于基于预设的深度值转化条件对所述二维图像的每个像素的深度值进行深度区间类别预测和深度偏移值预测。2.根据权利要求1所述的单目深度预测方法，其特征在于，所述深度值转化条件的设置方式为：设置深度区间范围和区间间隔，基于所述深度区间范围和所述区间间隔确定多个深度区间类别，将每个像素的深度值转化为对应的深度区间类别和深度偏移值。3.根据权利要求2所述的单目深度预测方法，其特征在于，所述基于所述深度区间范围和所述区间间隔确定多个深度区间类别，包括：通过将所述深度区间范围以所述区间间隔为单位划分，对得到的每个深度区间通过标识进行区分，所述标识即为所述深度区间类别。4.根据权利要求3所述的单目深度预测方法，其特征在于，所述将每个像素的深度值转化为对应的深度区间类别和深度偏移值，包括：基于每个像素的深度值所在的深度区间确定对应的所述深度区间类别；基于所述深度区间类别和所述区间间隔对每个像素的深度值进行计算，以确定对应的所述深度偏移值。5.根据权利要求4所述的单目深度预测方法，其特征在于，所述基于所述深度区间类别和所述区间间隔对每个像素的深度值进行计算，以确定对应的所述深度偏移值，包括：基于所述深度区间类别对应的深度区间确定相邻深度区间，或基于所述深度区间类别确定相邻深度区间类别后再获取相邻深度区间类别对应的深度区间得到相邻深度区间，其中，相邻深度区间的区间范围小于像素的深度值所在当前深度区间的区间范围，且相差一个区间间隔单位；将每个像素的深度值对所述区间间隔进行取余运算得到深度偏移值，所述深度偏移值即为所述像素在所述相邻深度区间的偏移值。6.根据权利要求2所述的单目深度预测方法，其特征在于，所述深度预测神经网络...

【专利技术属性】
技术研发人员：陆强，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：