[发明专利]一种深度估计方法、装置、电子设备及存储介质

说明书

本申请提供一种深度估计方法、装置、电子设备及存储介质，用于改善获得的深度估计图存在二维图像的局部深度信息不够准确的问题。该方法包括：获得第一图像和第二图像，第一图像和第二图像是目标视频中的不同视频帧；提取第一图像中的第一深度特征图，并提取第二图像中的第二深度特征图，深度特征图表征二维图像中的三维深度信息；将第一图像和第二图像进行拼接融合，获得融合图像；根据融合图像、第一深度特征图和第二深度特征图确定遮蔽特征图，遮蔽特征图表征图像中的噪声被遮蔽后的特征图；根据遮蔽特征图和第一深度特征图确定深度估计图，深度估计图表征第一图像和第二图像的三维深度信息。

技术领域

本申请涉及人工智能、深度学习和机器视觉的技术领域，具体而言，涉及一种深度估计方法、装置、电子设备及存储介质。

背景技术

深度估计，是指对一个或者多个二维的图片进行计算，例如：使用神经网络算法估计出三维的深度估计图，深度估计图是指表征二维图像的三维深度信息的矩阵，因此，深度估计也可以理解为从二维平面信息推测出三维空间信息。

目前，获得深度估计图(即深度信息)的方法通常是，获得二维图像中的物体的几何法向量，再根据该几何法向量来获得深度估计图；然而，在具体的实践过程中发现，通过这种方式获得的深度估计图存在二维图像的局部深度信息不够准确。

发明内容

本申请实施例的目的在于提供一种深度估计方法、装置、电子设备及存储介质，用于改善获得的深度估计图存在二维图像的局部深度信息不够准确的问题。

本申请实施例提供了一种深度估计方法，包括：获得第一图像和第二图像，第一图像和第二图像是目标视频中的不同视频帧；提取第一图像中的第一深度特征图，并提取第二图像中的第二深度特征图，深度特征图表征二维图像中的三维深度信息；将第一图像和第二图像进行拼接融合，获得融合图像；根据融合图像、第一深度特征图和第二深度特征图确定遮蔽特征图，遮蔽特征图表征图像中的噪声被遮蔽后的特征图；根据遮蔽特征图和第一深度特征图确定深度估计图，深度估计图表征第一图像和第二图像的三维深度信息。在上述的实现过程中，提取视频中的第一图像中的第一深度特征图，并提取视频中的第二图像中的第二深度特征图；并将第一图像和第二图像进行拼接获得融合图像；根据融合图像、第一深度特征图和第二深度特征图确定遮蔽特征图；最后根据遮蔽特征图和第一深度特征图确定深度估计图；也就是说，通过使用遮蔽特征图屏蔽了深度特征图中的局部噪声区域，同时也保证了由于图像中的物体相对运动造成的局部大噪声不会对整体估计造成较大的偏差，从而有效地改善了获得的深度估计图存在二维图像的局部深度信息不够准确的问题。

可选地，在本申请实施例中，根据融合图像、第一深度特征图和第二深度特征图确定遮蔽特征图，包括：使用姿态估计网络模型提取融合图像中的姿态特征，获得姿态特征图；将第一深度特征图和姿态特征图进行加权融合，获得第一融合特征，并将第二深度特征图和姿态特征图进行加权融合，获得第二融合特征；根据第一融合特征和第二融合特征确定遮蔽特征图。在上述的实现过程中，通过使用姿态估计网络模型提取融合图像中的姿态特征，获得姿态特征图；将第一深度特征图和姿态特征图进行加权融合，获得第一融合特征，并将第二深度特征图和姿态特征图进行加权融合，获得第二融合特征；根据第一融合特征和第二融合特征确定遮蔽特征图；从而有效地提高了获得遮蔽特征图的速度。

可选地，在本申请实施例中，根据第一融合特征和第二融合特征确定遮蔽特征图，包括：对第一融合特征进行姿态修正，获得第一修正特征；对第二融合特征进行插值修正，获得第二修正特征；根据第一修正特征和第二修正特征确定遮蔽特征图。在上述的实现过程中，通过对第一融合特征进行姿态修正，获得第一修正特征；对第二融合特征进行插值修正，获得第二修正特征；根据第一修正特征和第二修正特征确定遮蔽特征图；从而有效地提高了遮蔽特征图的准确度。