一种面向先进制造业的轻量级单目自监督深度估计方法技术

本发明专利技术提供了一种面向先进制造业的轻量级单目自监督深度估计方法，包括构建轻量级深度学习网络架构，包括特征提取模块、深度估计模块以及姿态估计模块，并对网络架构进行训练；构建工厂场景数据集，包括训练集、验证集以及测试集，选择连续的三帧图像作为基本训练单元，中心帧被用于进行工业场景的深度估计，相邻的两帧用于场景姿态的估计，实现自监督学习约束。本发明专利技术采用轻量级MobileNet v4作为共享骨干网络，通过深度可分离卷积提取多尺度特征，大幅降低计算复杂度。

【技术实现步骤摘要】

本专利技术属于机器视觉，尤其是涉及一种面向先进制造业的轻量级单目自监督深度估计方法。

技术介绍

1、在现代化工厂中，准确的深度信息对于自动化生产、质量控制和安全监测等多个方面至关重要。传统的深度估计方法通常依赖于双目或多目相机系统，这不仅增加了硬件成本，还带来了系统复杂性和校准难度的问题。近年来，基于深度学习的单目深度估计技术取得了显著进展，但在工业应用中仍面临以下挑战：

2、1.计算资源需求高：大多数深度学习模型需要强大的gpu支持，难以在工厂的边缘设备上实时运行。

3、2.能耗问题：复杂模型的高能耗不利于工业设备的长期稳定运行。

4、3.标注数据依赖：监督学习方法需要大量标注数据，这在工业环境中获取成本高昂。

5、4.泛化能力不足：许多模型在特定场景训练后，难以适应工厂内多变的环境。

技术实现思路

1、有鉴于此，本专利技术旨在克服现有技术中上述问题的不足之处，提出一种面向先进制造业的轻量级单目自监督深度估计方法，旨在满足现代工厂对实时、精确深度信息的需求。<本文档来自技高网...

【技术保护点】

1.一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：所述特征提取模块采用轻量级MobileNet v4作为骨干网络，实现深度估计和姿态估计的特征共享，基于输入图像生成多尺度特征。

3.根据权利要求1所述的一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：所述深度估计模块通过多尺度特征融合生成深度图，通过1×1卷积调整各尺度特征的通道数，利用上采样操作将低分辨率特征图逐步恢复到高分辨率，在特征融合过程中，引入SE注意力模块自适应调整不同尺度...

【技术特征摘要】

1.一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：所述特征提取模块采用轻量级mobilenet v4作为骨干网络，实现深度估计和姿态估计的特征共享，基于输入图像生成多尺度特征。

3.根据权利要求1所述的一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：所述深度估计模块通过多尺度特征融合生成深度图，通过1×1卷积调整各尺度特征的通道数，利用上采样操作将低分辨率特征图逐步恢复到高分辨率，在特征融合过程中，引入se注意力模块自适应调整不同尺度特征的权重。

4.根据权利要求1所述的一种面向先进制造业的轻量级单目自监督深度估计方法，其特征在于：所述姿态估计模块使用1/8和1/16尺度的高层特征，并通过全局平均池化和se注意力模块的组合提取关键信息。

5.根据权利要求1所述的一种面向先进制造业...

【专利技术属性】
技术研发人员：侯广琦，宋平，冯荣章，
申请(专利权)人：天津中科虹星科技有限公司，
类型：发明
国别省市：