一种深度图像处理方法及装置制造方法及图纸

本发明专利技术提供一种深度图像处理方法及装置，该方法包括：获取RGB图像与初始稀疏深度图像，其中RGB图像与初始稀疏深度图像相对应；对RGB图像与初始稀疏深度图像进行预处理，得到中间稠密深度图像；将RGB图像以及中间稠密深度图像输入预设的深度图补全神经网络中并进行训练，得到目标稠密深度图像。该方法基于RGB引导的稀疏深度图补全算法对初始稀疏深度图像进行处理进而获得精确、密集的深度图像，具有较少的可学习参数和推理时间，节约计算资源。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种深度图像处理方法及装置。

技术介绍

1、获取精确、密集的深度图像在自动驾驶和增强现实等各种应用中发挥着重要作用。然而，现有的深度传感器无法提供密集的深度图像。

2、深度补全的目的就是从深度传感器捕获的稀疏图像中预测密集的深度图像。目前，基于深度学习的方法在这项任务上表现出令人信服的性能，并引领了发展。rgb图像(红色(red)、绿色(green)和蓝色(blue)三个通道组成的图像)提供了关于场景的结构信息，包括纹理、线条和边缘，以补充稀疏深度图像中缺失的线索，所以，由rgb引导的稀疏深度图补全算法在深度学习中已经逐渐成为了主导。

3、现有的基于rgb引导的深度补全方法通常倾向于使用复杂的网络结构和复杂的学习策略，从稀疏的输入数据中预测密集的深度图。虽然这些方法提高了预测精度，但也伴随着巨大的计算复杂度，从而阻碍了实际应用。

技术实现思路

1、(一)要解决的技术问题

2、针对上述不足，本专利技术的主要目的在于提供一种深度图像处理方法及装置本文档来自技高网...

【技术保护点】

1.一种深度图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的深度图像处理方法，其特征在于，所述对所述RGB图像与初始稀疏深度图像进行预处理，得到中间稠密深度图像，包括：

3.根据权利要求2所述的深度图像处理方法，其特征在于，所述根据预设的初始处理区域大小以及所述初始处理区域所对应的分割标签，将所述初始稀疏深度图像进行区域分类，得到多个初始稀疏深度图像区域，包括：

4.根据权利要求3所述的深度图像处理方法，其特征在于，所述初始稀疏深度图像区域包括平滑图像区域和跳变图像区域。

5.根据权利要求4所述的深度图像处理方法，其特征在...

【技术特征摘要】

1.一种深度图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的深度图像处理方法，其特征在于，所述对所述rgb图像与初始稀疏深度图像进行预处理，得到中间稠密深度图像，包括：

3.根据权利要求2所述的深度图像处理方法，其特征在于，所述根据预设的初始处理区域大小以及所述初始处理区域所对应的分割标签，将所述初始稀疏深度图像进行区域分类，得到多个初始稀疏深度图像区域，包括：

4.根据权利要求3所述的深度图像处理方法，其特征在于，所述初始稀疏深度图像区域包括平滑图像区域和跳变图像区域。

5.根据权利要求4所述的深度图像处理方法，其特征在于，当所述初始处理区域对应的分割标签为同属一类，且所述初始稀疏深度图像仅有一种深度值，确定所述初始稀疏深度图像区域为平滑区域。

6.根据权利要求4所述的深度图像处理方法，其特征在于，当...

【专利技术属性】
技术研发人员：倪幸佳，窦润江，刘力源，刘剑，吴南健，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：