[发明专利]单目图像的深度恢复方法及装置、计算机设备

说明书

本发明公开了一种单目图像的深度恢复方法及装置、计算机设备、计算机可读存储介质、计算机程序，所述方法包括：对所述单目图像进行特征提取，得到所述单目图像的特征图像；对所述特征图像进行解耦，得到所述特征图像的场景结构图；将所述特征图像和所述场景结构图进行梯度感知处理，得到区域增强的特征图像；根据所述区域增强的特征图像进行深度估计，得到所述单目图像的深度图像。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种单目图像的深度恢复方法及装置、计算机设备、计算机可读存储介质、计算机程序。

背景技术

单目图像的深度恢复是指对单目图像进行深度恢复，单目图像的深度恢复是计算机视觉领域中的重要问题，且在很多领域都有重要的应用，比如三维重建、机器人实时定位、视觉避障等领域。

然而，单目图像的深度恢复由于深度尺度的不确定性，是一个复杂的多解问题。很多现有的深度估计方案往往简单地将场景结构估计和深度尺度估计耦合在一起同时求解，使得问题的求解过程相对困难，往往需要较多的数据和训练时间，精度低。

发明内容

为解决上述技术问题，本发明实施例提供了一种单目图像的深度恢复方法及装置、计算机设备、计算机可读存储介质、计算机程序。

本发明实施例提供的单目图像的深度恢复方法，包括：

对所述单目图像进行特征提取，得到所述单目图像的特征图像；

对所述特征图像进行解耦，得到所述特征图像的场景结构图；

将所述特征图像和所述场景结构图进行梯度感知处理，得到区域增强的特征图像；

根据所述区域增强的特征图像进行深度估计，得到所述单目图像的深度图像。

本发明实施例中，所述对所述单目图像进行特征提取，得到所述单目图像的特征图像，包括：

将所述单目图像输入第一神经网络进行特征提取，得到所述单目图像的特征图像。

本发明实施例中，所述第一神经网络执行的特征提取，包括：

对所述单目图像进行多尺度特征提取，得到所述单目图像的多尺度特征信息；

对所述多尺度特征信息进行残差调整，得到调整后的多尺度特征信息；

对所述调整后的多尺度特征信息进行特征融合，得到所述特征图像。

本发明实施例中，所述对所述特征图像进行解耦，得到所述特征图像的场景结构图，包括：

将所述特征图像输入第二神经网络进行解耦，得到所述特征图像的场景结构图。

本发明实施例中，在将所述特征图像输入第二神经网络之前，还包括：

预先建立所述第二神经网络，其中，所述第二神经网络至少包括一卷积层和一线性整流函数。

本发明实施例中，所述将所述特征图像和所述场景结构图进行梯度感知处理，得到区域增强的特征图像，包括：

将所述特征图像和所述场景结构图输入第三神经网络进行梯度感知处理，得到区域增强的特征图像。

本发明实施例中，所述第三神经网络执行的梯度感知处理，包括：

根据所述场景结构图得到所述场景结构图的实际梯度图像；

根据所述特征图像得到所述特征图像对应的预测梯度图像；

根据所述实际梯度图像和所述预测梯度图像进行相似度分析，得到掩模；

将所述掩模和所述特征图像进行残差滤波处理，得到区域增强的特征图像。