一种基于事件相机的双目深度估计方法技术

本发明专利技术公开了一种基于事件相机的双目深度估计方法，其步骤包括：1、准备训练深度图像数据与对应的双目事件序列；2、构建基于事件的时间上下文聚合模块来提取事件信号的时间上下文特征，同时构建时间引导的空间上下文学习模块来提取事件信号的空间上下文特征；3、将左右两路的事件时空上下文特征输入到下游的双目匹配网络，对构建的双目深度估计神经网络模型进行离线训练；4、利用训练好的模型进行预测，以实现双目深度估计的目标。本发明专利技术通过利用事件数据驱动捕捉事件数据的时空上下文特征，提升双目深度估计的效果，从而生成清晰的深度图片。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体的说是一种基于事件事件相机的双目深度估计方法。

技术介绍

1、双目深度估计作为计算机视觉中的一个基础性问题，已经被广泛研究多年。其目标是确定一对图像中所有像素的对应关系，并利用三角测量原理和相机参数来估计深度图。尽管传统的基于rgb的方法取得了巨大进展，但双目深度估计在许多场景下仍然面临许多挑战，如运动模糊、复杂光照场景和物体边界。

2、事件相机作为一种新颖的传感器技术，能够记录高时间分辨率和宽动态范围的异步像素级强度变化，这些特性使得基于事件的深度估计再快速变化和复杂光照条件下表现的很鲁棒。最近，一些基于深度学习的工作关注利用事件进行双目深度估计。然而，他们的工作大多关注如何筛选出一段事件流中与下游深度估计最贴切的事件点，而忽略了事件流中充分的时空上下文信息，这可能会限制网络在一些具有挑战性场景下(如物体边界、极端光照条件)的准确性和鲁棒性。

技术实现思路

1、本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于事件相机的双目深度估计方法，以期能够通过充本文档来自技高网...

【技术保护点】

1.一种基于事件相机的双目深度估计方法，其特征在于，是按如下步骤进行：

2.根据权利要求1所述的一种基于事件相机的双目深度估计方法，其特征在于，所述时间上下文聚合模块包括：B个跨时间注意力网络CA和一个特征融合层；

3.根据权利要求2所述的一种基于事件相机的双目深度估计方法，其特征在于，所述时空间上下文学习模包括：m个卷积层、n个残差卷积块、p个下采样层与卷积块、q个上采样层与卷积块、r个交叉参考模块；其中，p+1＝m+n；

4.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-3中任一所述双目深度估计方法的程...

【技术特征摘要】

1.一种基于事件相机的双目深度估计方法，其特征在于，是按如下步骤进行：

2.根据权利要求1所述的一种基于事件相机的双目深度估计方法，其特征在于，所述时间上下文聚合模块包括：b个跨时间注意力网络ca和一个特征融合层；

3.根据权利要求2所述的一种基于事件相机的双目深度估计方法，其特征在于，所述时空间上下文学习模包括：m个卷积层、n个残差卷积块、p个下采样层与卷积块、q个上采样层与卷积块...

【专利技术属性】
技术研发人员：孙晓艳，陈武，张越一，吴枫，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：