[发明专利]一种基于卷积神经网络的单目深度信息获取方法在审
| 申请号： | 201910654412.X | 申请日： | 2019-07-19 |
| 公开（公告）号： | CN110517309A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 魏东;张晨;崔泽璐;樊启明;蒋晓彤 | 申请（专利权）人： | 沈阳工业大学 |
| 主分类号： | G06T7/593 | 分类号： | G06T7/593;G06T7/80 |
| 代理公司： | 21115 沈阳智龙专利事务所(普通合伙) | 代理人： | 宋铁军<国际申请>=<国际公布>=<进入 |
| 地址： | 110870 辽宁省沈阳*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机视觉领域、图像处理技术领域，具体涉及一种基于卷积神经网络的单目深度信息获取方法。首先图像预处理，构建训练样本，再构建网络模型，之后获取待匹配的图像，再将待匹配的图像进行匹配代价计算，得到初始匹配代价，然后再对初始匹配代价进行带权值的十字交叉聚合处理，并进行半全局算法的优化，获得优化后的匹配代价；然后计算并优化视差图，最后利用视差计算深度信息。本发明解决了现有立体匹配网络模型在弱纹理区域无法精确寻找到像素匹配点以及细节特征表现效果差的问题，本发明实现了使用单目摄像机采集图像序列获取真实场景的深度信息，并消除了视差图中的大量噪声，获得了精度更高的真实场景深度信息。 | ||
| 搜索关键词： | 匹配代价 深度信息 网络模型 真实场景 视差图 构建 匹配 优化 计算机视觉领域 图像 卷积神经网络 深度信息获取 图像处理技术 单目摄像机 图像预处理 采集图像 聚合处理 立体匹配 全局算法 十字交叉 视差计算 纹理区域 细节特征 像素匹配 序列获取 训练样本 单目 噪声 表现 | ||
【主权项】：
1.一种基于卷积神经网络的单目深度信息获取方法，其特征在于：方法包括：/n步骤一：图像预处理：对标准图库中带有真实视差值的立体图像对分别做相同的随机变化预处理，得到训练数据和测试数据；/n步骤二：构建训练样本：在预处理训练数据的图像对中，选择两张图像中的多组对应图像块组成训练样本；/n步骤三：构建网络模型：网络模型由L1到L8共8层构成，分成2个部分；第一部分构建两个相同的子网络，L1到L4共四层，每一层的结构都依次由卷积层、归一化层和ReLU激活函数组成；然后在L5层通过一个连接层，将两个子网络提取的特征向量连接为一个张量；第二部分是决策层，L6到L8共三层结构，每层都由全连接层和ReLU激活函数组成，最后一层全连接L8后使用sigmod函数输出结果；/n步骤四：获取待匹配的图像：使用单目摄像机获取视频序列，通过摄像机自标定消除图片畸变，并利用几何校正对齐图片，获得待匹配的图像；/n步骤五：匹配代价计算：将待匹配的图像对输入到训练好的卷积神经网络模型，输出待匹配的图像对的相似度数值，根据相似数确定初始匹配代价；/n步骤六：匹配代价聚合和优化：对初始匹配代价进行带权值的十字交叉聚合处理，同时采用半全局算法的优化匹配代价；/n步骤七：视差计算：采用WTA在优化后的匹配代价的基础上计算视差；/n步骤八：视差优化；在步骤七获得的视差值的基础上，进行优化，获得视差图；/n步骤九：计算深度信息：利用步骤八获得的视差图计算单目深度信息。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳工业大学，未经沈阳工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910654412.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种无参考非对称失真立体图像质量评价方法
- 下一篇：前方车体预测系统
