[发明专利]一种深度图像置信度计算方法、设备及计算机可读存储介质

权利要求书

1.一种深度图像置信度计算方法，其特征在于，所述方法包括：

在不同拍摄场景和不同拍摄角度下，采集包含彩色图像和深度图像的图像集，以及获取所述图像集对应的标签集所组成的数据集；

在所述数据集中建立像素点位的特征信息的特征集合，其中，所述特征集合包括深度值、彩色值、径向距离、导向信息以及边缘信息；

以所述像素点位的所述特征信息为输入、所述像素点位的置信度信息为输出、所述置信度信息与所述像素点位的标签数据的欧式距离为损失函数，创建预设的网络模型；

将当前的单帧深度图像以及所述单帧深度图像对应的彩色图像的逐像素点特征输入至所述网络模型，得到当前的深度图像的逐像素点置信度参数。

2.根据权利要求1所述的深度图像置信度计算方法，其特征在于，所述在不同拍摄场景和不同拍摄角度下，采集包含彩色图像和深度图像的图像集，以及获取所述图像集对应的标签集所组成的数据集，包括：

在同一拍摄场景和同一拍摄角度下，采集一帧彩色图像，及所述一帧彩色图像采集期间对应的连续的多帧深度图像；

在多个拍摄场景或多个拍摄角度下，采集多组所述一帧彩色图像和对应的所述多帧深度图像，组成深度图像集。

3.根据权利要求2所述的深度图像置信度计算方法，其特征在于，所述在不同拍摄场景和不同拍摄角度下，采集包含彩色图像和深度图像的图像集，以及获取所述图像集对应的标签集所组成的数据集，还包括：

在所述深度图像集中，确定每一个所述拍摄场景或每一个所述拍摄角度下采集的深度图像序列；

获取所述深度图像序列对应的标签数据，将所述深度图像集和所述标签数据组成所述数据集。

4.根据权利要求3所述的深度图像置信度计算方法，其特征在于，所述在所述数据集中建立像素点位的特征信息的特征集合，其中，所述特征集合包括深度值、彩色值、径向距离、导向信息以及边缘信息，包括：

获取所述深度图像在所述像素点位的所述深度值；

根据所述彩色图像和所述深度图像的分辨率获取所述彩色图像在所述像素点位的所述彩色值。

5.根据权利要求4所述的深度图像置信度计算方法，其特征在于，所述在所述数据集中建立像素点位的特征信息的特征集合，其中，所述特征集合包括深度值、彩色值、径向距离、导向信息以及边缘信息，还包括：

获取所述深度图像在所述像素点位的所述导向信息和所述边缘信息；

根据所述深度值、所述彩色值、所述径向距离、所述导向信息以及所述边缘信息建立逐像素点的所述特征集合。

6.根据权利要求5所述的深度图像置信度计算方法，其特征在于，所述以所述像素点位的所述特征信息为输入、所述像素点位的置信度信息为输出、所述置信度信息与所述像素点位的标签数据的欧式距离为损失函数，创建预设的网络模型，包括：

使用所述数据集对所述网络模型进行训练，直至所述损失函数满足预设的约束条件；

将所述网络模型的结构和参数进行固化保存。

7.根据权利要求6所述的深度图像置信度计算方法，其特征在于，所述将当前的单帧深度图像以及所述单帧深度图像对应的彩色图像的逐像素点特征输入至所述网络模型，得到当前的深度图像的逐像素点置信度参数，包括：

恢复经固化保存的所述网络模型的结构和参数；

获取所述单帧深度图像和所述单帧深度图像对应的多帧彩色图像的像素点位的特征信息。

8.根据权利要求7所述的深度图像置信度计算方法，其特征在于，所述将当前的单帧深度图像以及所述单帧深度图像对应的彩色图像的逐像素点特征输入至所述网络模型，得到当前的深度图像的逐像素点置信度参数，还包括：

将所述特征信息输入至经恢复后的所述网络模型；

将所述网络模型的网络输出作为所述单帧深度图像的像素点位的置信度参数。