[发明专利]一种基于不确定性的多阶段稠密重建方法及装置

权利要求书

1.一种基于不确定性的多阶段稠密重建方法，其特征在于，包括：

获取多张原始图像；其中，所述原始图像包括参考图像和源图像；

通过基于空洞卷积的多尺度特征提取网络生成每张所述原始图像的多个尺度的特征图；

根据所述原始图像的多个尺度的所述特征图，确定每个所述参考图像对应的多个所述源图像的多个尺度的特征体；

提取顶层尺度所述参考图像特征和所述源图像特征，进行单应性变换构造代价体并对所述代价体进行正则化；

使用熵映射生成不确定性图，加权融合所述不确定性图和所述代价体，生成第一尺度的粗略深度图；

使用高斯牛顿迭代法求解其余尺度的深度增量，将所述深度增量增加到前一尺度的粗略深度图上，在达到预设的轮数后得到底层尺度的精炼深度图。

2.根据权利要求1所述的方法，其特征在于，在所述获取多张原始图像之前还包括：输入深度学习数据集，构造所述基于空洞卷积的多尺度特征提取网络。

3.根据权利要求1所述的方法，其特征在于，所述基于空洞卷积的多尺度特征提取网络包含有普通卷积和多个不同参数的空洞卷积；

所述生成第一尺度的粗略深度图包括：将所述基于空洞卷积的多尺度特征提取网络中的所述普通卷积和多个不同参数的所述空洞卷积通过加操作输出所述第一尺度的粗略深度图的特征。

4.根据权利要求3所述的方法，其特征在于，所述使用高斯牛顿迭代法求解其余尺度的深度增量包括：通过拼接操作输出通过所述使用高斯牛顿迭代法求解其余尺度的深度增量。

5.根据权利要求4所述的方法，其特征在于，还包括：在所述加操作和所述拼接操作之后使用所述普通卷积来降低由于进行卷积所产生的通道数。

6.根据权利要求1所述的方法，其特征在于，所述对所述代价体进行正则化所使用的网络为3D-UNet网络。

7.一种基于不确定性的多阶段稠密重建装置，其特征在于，包括：

获取模块，用于获取多张原始图像；其中，所述原始图像包括参考图像和源图像；

特征图生成模块，用于通过基于空洞卷积的多尺度特征提取网络生成每张所述原始图像的多个尺度的特征图；

特征体确定模块，用于根据所述原始图像的多个尺度的所述特征图，确定每个所述参考图像对应的多个所述源图像的多个尺度的特征体；

代价体正则化模块，用于提取顶层尺度所述参考图像特征和所述源图像特征，进行单应性变换构造代价体并对所述代价体进行正则化；

生成粗略深度图模块，用于使用熵映射生成不确定性图，加权融合所述不确定性图和所述代价体，生成第一尺度的粗略深度图；

得到精炼深度图模块，用于使用高斯牛顿迭代法求解其余尺度的深度增量，将所述深度增量增加到前一尺度的粗略深度图上，在达到预设的轮数后得到底层尺度的精炼深度图。

8.一种基于不确定性的多阶段稠密重建服务器，其特征在于，包括存储器和处理器；

所述存储器用于存储计算机可执行指令；

所述处理器用于执行所述计算机可执行指令，以实现权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有可执行指令，计算机执行所述可执行指令时能够实现如权利要求1-6任一项所述的方法。