[发明专利]自动驾驶场景的深度估计方法、装置和自主车辆

权利要求书

1.一种自动驾驶场景的深度估计方法，包括：

获取场景图像；

利用深度估计模型的深度估计网络提取场景图像的图像特征，并基于所述图像特征生成所述场景图像的基础深度估计信息；

利用深度估计模型中与所述深度估计网络级联的偏差估计网络，基于所述图像特征生成相对于所述基础深度估计信息的目标区域偏差估计信息；

根据所述基础深度估计信息和所述目标区域偏差估计信息确定所述场景图像中目标区域的最终深度估计结果。

2.根据权利要求1所述的方法，其特征在于，所述深度估计模型是通过如下方式训练得到的：

获取样本图像，根据所述样本图像对所述深度估计网络进行训练，所述深度估计网络训练结束之后，再根据所述样本图像对所述级联的偏差估计网络进行训练；

或者，

获取样本图像，根据所述样本图像对所述深度估计网络和所述级联的偏差估计网络同时进行训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本图像对所述深度估计网络进行训练包括：

获取样本图像集合，样本图像的像素点标注有真实深度信息；

根据所述样本图像集合对深度估计网络进行迭代的多轮训练；每轮训练包括：

从样本图像集合中选取样本图像输入所述深度估计网络，通过所述深度估计网络提取样本图像的图像特征，并基于所述图像特征生成所述样本图像的基础深度估计信息；基于所述样本图像的基础深度估计信息和真实深度信息，计算第一预测误差；基于所述第一预测误差，调整所述深度估计网络的参数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述样本图像对级联的偏差估计网络进行训练包括：

获取通过所述深度估计网络提取的样本图像的图像特征，根据所述样本图像的图像特征对级联的偏差估计网络进行迭代的多轮训练；每轮训练包括：

获取通过所述深度估计网络提取的样本图像的多尺度图像特征信息；根据预设的目标检测算法从所述样本图像中选取目标区域；

基于目标区域的多尺度图像特征信息生成相对于所述基础深度估计信息的目标区域偏差估计信息；基于所述基础深度估计信息和真实深度信息生成偏差真实信息；

基于所述目标区域偏差估计信息和偏差真实信息，计算第二预测误差；基于所述第二预测误差，调整所述级联的偏差估计网络的参数。

5.根据权利要求4所述的方法，其特征在于，基于所述样本图像的目标区域偏差估计信息和偏差真实信息，计算第二预测误差包括：

基于目标区域偏差真实信息，计算第一统计结果；基于目标区域偏差估计信息，计算第二统计结果；基于所述第一统计结果和所述第二统计结果，计算第二预测误差。

6.根据权利要求5所述的方法，其特征在于，所述偏差真实信息为偏差真实图，所述计算第一统计结果包括：

计算所述偏差真实图中目标区域内的第一深度均值，并计算所述偏差真实图中目标区域内的深度值相对于所述第一深度均值偏差的统计分布，得到第一统计结果；

所述偏差估计信息为偏差估计图，所述计算第二统计结果包括：

计算所述偏差估计图中目标区域内的第二深度均值，并计算所述偏差估计图中目标区域内的深度值相对于所述第二深度均值偏差的统计分布，得到第二统计结果。

7.根据权利要求2所述的方法，所述根据所述样本图像对所述深度估计网络和所述级联的偏差估计网络同时进行训练，包括：

若所述第一预测误差和所述第二预测误差中，至少一个预测误差未收敛，则根据未收敛的预测误差调整所述深度估计模型的参数，若所述第一预测误差和所述第二预测误差均收敛，则结束训练；

或者，

基于所述第一预测误差和所述第二预测误差的求和结果或者加权求和结果确定综合误差，若所述综合误差未收敛，则根据所述综合误差调整所述深度估计模型的参数，若所述综合误差收敛，则结束训练。