【技术实现步骤摘要】
本专利技术涉及单目图像深度估计领域，特别是一种考虑深度估计误差和尺度不确定性的单目图像深度估计方法及系统。
技术介绍
1、近年来，自主移动机器人的主要使用领域可以分为以仓储物流及自动驾驶为主导的商用、研究领域和以小型扫地机器人为主导的民用领域；同时在智慧农业、无人送货等领域也有着大量的使用。这些来自不同领域的任务也对自主移动机器人的技术提出了更高的要求，例如降低传感器的依赖、提高系统的实时性能、增加系统的稳定性等，将深度估计算法应用到自主移动机器人的障碍物检测环节，能够有效的促进自主移动机器人避障技术的发展与应用。
2、单目深度图像估计训练方法通常分为三种：第一种方法是直接利用高精度雷达或者是深度相机采集相关深度数据，使用深度估计网络对深度信息进行回归，学习场景的深度信息，但是，在真实世界中，深度标签的获取相对来说较为困难，限制了算法的使用。第二种方法则是通过双目图以及相机位姿变换，但由于双目相机存在基线问题，并不能保证相机对于所有的深度相机都适用。第三种方法则是使用连续的视频帧且同时估计相机的位姿和深度来完成训练，这种方法...
【技术保护点】
1.一种单目图像深度估计方法，其特征在于，包括：
2.根据权利要求1所述的单目图像深度估计方法，其特征在于，所述建立最小化光度重投影误差损失函数、深度平滑损失函数、几何一致性损失函数和特征点重投影损失函数，训练深度估计网络和位姿估计网络，其具体步骤如下：
3.根据权利要求1或2所述的单目图像深度估计方法，其特征在于，深度卷积下采样模块由空洞卷积操作、批归一化操作、点卷积操作以及GELU激活函数构成，使用空洞卷积的下采样方式为针对通道空间的点卷积、批归一化操作以及针对空间分组扩张卷积和GELU激活函数；
4.根据权利要求1所述的单目图...
【技术特征摘要】
1.一种单目图像深度估计方法，其特征在于，包括：
2.根据权利要求1所述的单目图像深度估计方法，其特征在于，所述建立最小化光度重投影误差损失函数、深度平滑损失函数、几何一致性损失函数和特征点重投影损失函数，训练深度估计网络和位姿估计网络，其具体步骤如下：
3.根据权利要求1或2所述的单目图像深度估计方法，其特征在于，深度卷积下采样模块由空洞卷积操作、批归一化操作、点卷积操作以及gelu激活函数构成，使用空洞卷积的下采样方式为针对通道空间的点卷积、批归一化操作以及针对空间分组扩张卷积和gelu激活函数；
4.根据权利要求1所述的单目图像深度估计方法，其特征在于，在深度特征编码器的最后添加多尺度特征融合模块，多尺度特征融合模块由空洞空间卷积池化金字塔模块和压缩激励模块构成，用于进一步提取不同尺度的特征和细节，具体的提取过程包括：
5.根据权利要求1所述的单目图像深度估计方法，其特征在于，所述最小化光度重投影误差损失函数为：
6.根据权利...
【专利技术属性】
技术研发人员：俞奕宣，韩志敏，王博，林志赟，
申请(专利权)人：杭州电子科技大学，
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。