【技术实现步骤摘要】
一种图像深度估算方法、装置及相关设备
[0001]本申请涉及矢量绘图
，尤其涉及一种图像深度估算方法、装置及相关设备。
技术介绍
[0002]现阶段，移动摄像、拍照设备得到了广泛应用，但是传统针孔相机设备所能够获取的图像为二维图像，即在图像平面之外，不具有深度信息。现阶段能够同时获得深度信息的影像设备普遍具有体积大，价格昂贵，移动端集成率低的缺点，因此利用深度学习算法从图像中估计每个像素的深度信息是一项具有较大意义的任务。
[0003]相关技术中的深度估计模型往往使用卷积网络以获得多个尺度上的特征，需要对图片进行逐步的下采样操作，将低级特征组成抽象的高级特征，接着利用全卷积网络对图像预测像素点深度信息。
[0004]相关技术中，利用RGB图像生成深度图像需要经过下采样操作，图像的特征的分辨率和细粒度将缺失，造成图像精度损失。
技术实现思路
[0005]针对上述现有技术中存在的问题，本申请实施例提供了一种图像深度估算方法，用于提高深度预测的深度图像精度，将原始图像进行切块，分开并行进行深度...
【技术保护点】
【技术特征摘要】
1.一种图像深度估算方法，其特征在于，包括：将原始图像进行切块得到多个图像块，对每个图像块分别进行特征提取得到第一特征向量，并记录每个图像块的位置分布信息；将所述多个图像块的第一特征向量输入预设Transformer模型映射生成所述多个图像块各自的第二特征向量，所述第二特征向量至少包含图像块中语义特征的深度信息；将图像块的位置分布信息写入所述多个图像块的第二特征向量生成第三特征向量；将所述第三特征向量输入预设RefineNet模型进行特征融合，并在融合过程中进行图像上采样，以生成带有深度信息的深度图像。2.根据权利要求1所述的方法，其特征在于，所述将原始图像进行切块得到多个图像块，包括：将原始图像进行切块得到多个尺寸相同的图像块。3.根据权利要求2所述的方法，其特征在于，所述将所述多个图像块的第一特征向量输入预设Transformer模型映射生成所述多个图像块的第二特征向量，包括：将所述多个图像块的第一特征向量分组，每组分别输入不同的预设Transformer模型，以并行映射生成所述多个图像块的第二特征向量。4.根据权利要求1至3中任一项所述的方法，其特征在于，还包括：从视频文件中提取多个原始图像，并设置前后帧对应的原始图像的深度信息比例参数相同。5.根据权利要求4所述的方法，其特征在于，还包括：对提取到的所述多个原始图像按时间进行标记。6.根据权利要求2或3所述的方法，其特征在于，将所述第三特征向量进行图像上采样...
【专利技术属性】
技术研发人员：苏登，齐镗泉，
申请(专利权)人：深圳万兴软件有限公司，
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。