基于手动特征伪装的热图像深度估计方法技术

本发明专利技术公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明专利技术既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和图像处理技术，具体涉及一种基于手动特征伪装的热图像深度估计方法。

技术介绍

1、深度估计(depth estimation)是一种从图像数据中估计场景内各点像素到相机拍摄平面的垂直距离。根据图像的数量可以分为单目图像深度估计和双目图像深度估计。但是因为拍摄双目图像的相机尺寸和载具平台之间的不一致性，使得双目图像深度估计不能在现实中有效应用。现有的单目图像深度估计方法主要分为以下几类：(1)基于参数学习的单目深度估计；(2)基于无参数学习的单目深度估计方法；(3)基于有监督学习的单目深度估计方法；(4)基于半监督学习的单目深度估计方法；(5)基于无监督学习的单目深度估计方法。由于基于自监督学习的单目深度估计方法在有真实深度值的情况下只需要输入单目图像就可以精确的估计出深度图，因此，此类方法受到了学术界和工业界人员的广泛关注，且提出大量的新颖方法。这些方法的主要关注点在于：如何高效利用单目图像和真实深度值的信息，进而估计出精确的深度图。

2、目前基于自监督的单目深度估计方法主要有七类：(1)改进网络结构的方法；(2)引入辅本文档来自技高网...

【技术保护点】

1.一种基于手动特征伪装的热图像深度估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于手动特征伪装的热图像深度估计方法，其特征在于，所述步骤S3的构造特征提取编码器，计算特征向量集合的具体步骤为：

3.根据权利要求1所述的基于手动特征伪装的热图像深度估计方法，其特征在于，所述步骤S5中通过特征向量解码器获得深度图Id的具体步骤如下：

4.根据权利要求1所述的基于手动特征伪装的热图像深度估计方法，其特征在于，所述步骤S6中混合损失Loss包括深度图的几何损失、边缘感知平滑损失和热图像重建损失，三个部分的具体计算过程如下：

【技术特征摘要】

1.一种基于手动特征伪装的热图像深度估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于手动特征伪装的热图像深度估计方法，其特征在于，所述步骤s3的构造特征提取编码器，计算特征向量集合的具体步骤为：

3.根据权利要求1所述的基于手动特征伪装的热图像深...

【专利技术属性】
技术研发人员：曹明伟，李宏宇，曹志伟，赵海峰，孙登第，
申请(专利权)人：安徽大学，
类型：发明
国别省市：