Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

面向全天候场景的自监督单目深度估计方法及装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:清华大学

摘要:本申请涉及图像深度估计技术领域,特别涉及一种面向全天候场景的自监督单目深度估计方法及装置,其中,方法包括:模型输入预先构建的白天‑夜间图像正样本对,利用共享的图像编码器提取隐特征,以利用分布投影头将每个图像样本表示为高维度的离散高斯分布;利用对比学习来显式地约束正负样本之间分布的距离,使得夜间图像的特征分布逐步趋近于白天图像;使用深度解码器和位姿解码器同时估计图像的位姿和深度值,再利用该信息将图像投影到另一个视图下,采用光度损失和变分对比损失来联合监督模型的训练。由此,解决了难以从夜间图像中有效地提取深度特征,难以利用一个共享编码器提取不同的数据域的一致性特征,模型域自适应能力低下等问题。

主权项:1.一种面向全天候场景的自监督单目深度估计方法,其特征在于,包括以下步骤:将基于预先构建的白天-夜间图像生成的多组正样本对输入至目标模型,利用共享的图像编码器提取所述白天图像和夜间图像的隐特征,以利用分布投影头将每个样本表示为预设高维度的离散高斯分布;基于所述多组正样本对,利用对比学习显式地约束正负样本之间分布的距离,使得所述夜间图像的离散高斯分布逐步趋近于所述白天图像的离散高斯分布;以及利用深度解码器和位姿解码器同时估计图像的位姿和深度值,并利用位姿和深度信息将所述图像投影到另一个预设视图下,采用光度损失和变分对比损失来联合监督模型训练,得到自监督单目深度估计结果。

全文数据:

权利要求:

百度查询: 清华大学 面向全天候场景的自监督单目深度估计方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。