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：电子科技大学

摘要：本发明涉及3D计算机视觉技术领域，具体为一种基于多视图自监督学习的深度估计方法。采用轻量级的端到端自监督框架LS‑MVSNet，深度特征提取模块有效地减少模型参数数量并利用其自适应能力从输入图像中提取有效的信息来预测深度图，边缘特征提取模块获取物体边缘信息并结合到深度估计过程中以提高物体边缘处深度估计的准确性；端到端的多视图自监督深度估计神经网络模型框架MVSDepth将单目深度估计与多视图立体匹配结合，利用几何先验的约束提高网络的场景深度估计性能，并采用深度速度先验引导策略提高了模型的效率；此外姿态估计模块能够在运行过程中预测相机的旋转矩阵和平移矩阵，从而弥补了LS‑MVSNet需要提前标定相机外参的不足，极大地提高了模型的实用性。

主权项：1.一种基于多视图自监督学习的深度估计方法，其特征在于，包括以下步骤：步骤1：构建自监督深度估计神经网络模型LS-MVSNet：LS-MVSNet网络模型包括深度特征提取模块、边缘特征提取模块和数据增强模块，将一张参考视图和多张源视图作为输入；步骤1.1：深度特征提取模块自适应地从输入的图像中提取有效的信息来预测深度图；具体为：基于深度特征提取模块的代价体构造方法，构造的特征代价体，利用深度卷积神经网络从输入图像中自适应地提取适合立体匹配的特征；采用自适应特征提取窗口的机制，使得深度卷积神经网络能够根据图像内容动态调整特征提取窗口的大小和位置；步骤1.2：边缘提取模块利用边缘检测算法获取物体边缘信息并结合到深度估计过程对输入图像进行物体轮廓特征提取；具体为：首先使用Sobel算子对输入图像执行边缘提取，得到一个二值化的物体边缘图像；然后在获得的物体边缘图像上进行边缘特征提取；最后基于边缘特征构建特征代价体积；步骤1.3：将边缘提取模块中构造的特征代价体和深度特征提取模块得到的特征代价体直接相加后通过回归、插值得到初始深度图，将初始深度图经过细化步骤得到最终的深度图；步骤1.4：数据增强模块通过参考视图下随机生成的黑色掩码来模拟现实中存在的遮挡情况，结合预测得到的深度图通过投影变换在源视图下生成相应的遮挡掩码；步骤2：按照深度估计流程进行深度估计在已知相机运动速度以及像素点的粗略深度值的条件下确定像素点的深度范围。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于多视图自监督学习的深度估计方法