[发明专利]一种单目深度估计方法、系统、设备及存储介质

说明书

本发明实施例公开了一种单目深度估计方法、系统、设备及存储介质，针对单目图像，首先，利用卷积神经网络，估计了原始深度图以及若干不同分辨率级别的普通深度图；其次，根据成对比较矩阵的rank‑1性质，从选择性估计数据中恢复相对深度图；第三，我们将普通深度图和相对深度图分解成多个深度分量，并对它们进行优化重组，以重建最佳深度图。实验结果表明，本发明实施例具有良好的深度估计性能。

技术领域

本发明实施例涉及图像深度估计技术领域，具体涉及一种单目深度估计方法、系统、设备及存储介质。

背景技术

深度估计是计算机视觉从图像中估计场景深度信息的基本问题。深度估计为一些视觉应用，如图像合成、场景识别、姿势估计和机器人技术提供了重要的几何线索。目前对于多目视图图像或视频序列，有各种效果显著的深度估计技术。但是，现有方法无法实现单目图像的深度估计。

发明内容

为此，本发明实施例提供一种单目深度估计方法、系统、设备及存储介质，以解决目前图像深度估计技术无法实现单目图像的是深度估计的技术问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，提供了一种单目深度估计方法，所述方法包括：接收单目输入图像I，获取所述输入图像I的原始深度图D；基于所述原始深度图D构建若干不同分辨率级别的普通深度图D_n，其中，n为分辨率级别；基于所述普通深度图D_n构建每一分辨率级别的相对深度图R_n；利用每一分辨率级别的所述普通深度图D_n和所述相对深度图R_n分别获取每一分辨率级别的普通深度细节图F_n和相对深度细节图f_n；利用每一分辨率级别的所述普通深度细节图F_n和所述相对深度细节图f_n分别计算每一分辨率级别细节图的平均深度分量；及根据所述每一分辨率级别的细节图的平均深度分量重建最佳深度图。

进一步地，所述普通深度图的构建方法包括：计算所述原始深度图D的几何平均值g(D)，以所述原始深度图D的几何平均值g(D)作为最低分辨率级别的普通深度图D₀；及利用最低分辨率级别的普通深度图D₀通过相邻分辨率级别的普通深度图的卷积递推算法获取每一分辨率级别的普通深度图D_n。

进一步地，所述相对深度图的构建方法包括：根据相邻分辨率级别的普通深度图D_n-1和D_n构建稀疏比较矩阵P_n,n-1；利用交替最小二乘法ALS算法，将稀疏比较矩阵P_n,n-1恢复为稠密比较矩阵及通过对所述稠密比较矩阵的左向量矩阵进行归一化和重塑处理来重建每一分辨率级别的相对深度图。

进一步地，利用每一分辨率级别的所述普通深度图D_n获取每一分辨率级别的所述普通深度细节图F_n，包括：利用低一级分辨率级别的第一预设上采样操作矩阵U_n-1对低一级分辨率级别的普通深度图D_n-1进行第一上采样操作U；及利用每一分辨率级别的所述普通深度图D_n与第一上采样操作后的低一级分辨率级别的普通深度图D′_n-1在元素方向上做哈达玛除法得到每一分辨率级别的所述普通深度细节图F_n。