[发明专利]一种图像自适应运动估计方法及应用

权利要求书

1.一种图像自适应运动估计方法，其特征在于：所述方法包括如下步骤：

步骤1：构造第一深度卷积神经网络、第二深度卷积神经网络；

步骤2：根据所述第一深度卷积神经网络和所述第二深度卷积神经网络构建目标函数，通过所述目标函数对所述第一深度卷积神经网络和所述第二深度卷积神经网络同时进行训练，得到参数固定的第一深度卷积神经网络和参数固定的第二深度卷积神经网络；

步骤3：将单目图像输入所述第一深度卷积神经网络输出单目图像对应的视差图像，将所述图像序列输入所述第二深度卷积神经网络输出相机空间位姿变换矩阵。

2.如权利要求1所述的图像自适应运动估计方法，其特征在于：所述第一深度卷积神经网络为单目图像景深估计网络，用于估计单目相机与场景之间相对距离；所述第二深度卷积神经网络为单目相机空间位姿估计网络，用于估计单目相机空间位置与姿态。

3.如权利要求2所述的图像自适应运动估计方法，其特征在于：所述单目图像景深估计网络基于深度残差网络，所述单目图像景深估计网络为“编码-解码”结构。

4.如权利要求3所述的图像自适应运动估计方法，其特征在于：在所述“编码”过程中，网络通过卷积层、激活层和池化层不断提取想高维特征并降采样；在所述“解码”过程中，网络通过反卷积对图像做上采样处理，输出多尺度视差图像。

5.如权利要求2所述的图像自适应运动估计方法，其特征在于：所述单目相机空间位姿估计网络为“编码”结构。

6.如权利要求1所述的图像自适应运动估计方法，其特征在于：对所述第一深度卷积神经网络和所述第二深度卷积神经网络进行训练为采用梯度下降法对目标函数进行迭代计算，直到达到指定计算次数为止，得到所述参数固定的第一深度卷积神经网络和所述参数固定的第一深度卷积神经网络。

7.如权利要求6所述的图像自适应运动估计方法，其特征在于：所述目标函数包括基于图像全局亮度差异和局部亮度差异构造的自适应函数；单目图像序列之间的图像重建，并结合自适应函数构造重建图像的自适应误差损失函数和结合自适应函数构造的关于图像深度边缘的自适应损失函数。

8.如权利要求7所述的图像自适应运动估计方法，其特征在于：所述自适应误差损失函数基于输入图像、视差图像和相机位姿变换矩阵构，所述自适应损失函数基于输入图像、视差图像和相机位姿变换矩阵构。

9.如权利要求1～8中任一项所述的图像自适应运动估计方法，其特征在于：所述图像包括目标图像和参考图像，所述参考图像包括第一参考图像和第二参考图像。

10.一种图像自适应运动估计方法的应用，其特征在于：将权利要求1～9中任一项所述的图像自适应运动估计方法应用于室外无人驾驶汽车或无人自主导航机器人中。