[发明专利]一种基于伪标签融合的双目深度估计方法

权利要求书

1.一种基于伪标签融合的双目深度估计方法，其特征在于所述方法具体如下： 步骤a.获得双目相机采集的左右视图； 步骤b.深度学习神经网络包括获得深度图模型与置信度模型，输入左右图并通过深度图模型获得图像中每个像素点的深度，利用该深度与深度图真值构建损失函数； 步骤c.将左右视图用双目立体匹配的方法获得深度图； 步骤d.将深度学习的深度图、传统方法深度图、置信度图进行叠加，并放入融合网络，得到融合后的深度图，并将融合后的结果与真值构建损失函数； 步骤e.将两个损失函数进行加权，反向传播训练模型，多轮训练反向传播后得到最终输出模型； 步骤f.在推理阶段，通过训练好的模型预测深度图与置信度，同时计算传统深度图，进行融合得到最后结果。

2.如权利要求1所述的一种基于伪标签融合的双目深度估计方法，其特征在于所述步骤b包括如下步骤：通过深度学习训练得到深度图模型与置信度模型后，输入左右图给深度图模型并获得当前帧左图的深度图D1，以及该深度图对应的置信度图，然后将深度图与真实深度图构建损失函数：loss1=L1(D1,Dgt)，其中，L1()表示L1 loss ，Dgt表示该帧图像对应的深度图真值，D1表示深度图模型得到的深度图。

3.如权利要求2所述的一种基于伪标签融合的双目深度估计方法，其特征在于所述的步骤d包括如下步骤：将步骤b得到的深度图D1和步骤c得到深度图D2及置信度网络得到的置信度图C1在通道方向进行叠加，并将叠加后的图像放入融合网络，得到融合后的深度图D3，并将该深度图与真值求loss，构建有监督损失函数：loss2=L1(D3,Dgt)，其中，L1()表示L1 loss ，Dgt表示该帧图像对应的深度图真值，D3表示融合后的深度图。