CN112837361A - 一种深度估计方法及装置、电子设备和存储介质 - Google Patents
一种深度估计方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112837361A CN112837361A CN202110245288.9A CN202110245288A CN112837361A CN 112837361 A CN112837361 A CN 112837361A CN 202110245288 A CN202110245288 A CN 202110245288A CN 112837361 A CN112837361 A CN 112837361A
- Authority
- CN
- China
- Prior art keywords
- depth
- value
- depth estimation
- scale
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000009466 transformation Effects 0.000 claims description 54
- 230000003190 augmentative effect Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 238000013519 translation Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种深度估计方法及装置、电子设备和存储介质,所述方法包括:基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。本公开实施例可提高不同阶段初始化后得到的深度信息的尺度的一致性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种深度估计方法及装置、电子设备和存储介质。
背景技术
视觉同步定位与建图(simultaneous localization and mapping,SLAM)技术,能够通过摄像头感知的视觉信息进行深度估计,从而进行定位与建图,视觉SLAM主要包括:单目SLAM,双目SLAM和RGB-深度(RGB depth,RGB-D)SLAM。其中,单目SLAM技术中会进行单目深度估计,通过单个视觉传感器采集的图像进行深度估计,由于成本较低而被广泛应用。
然而,单个视觉传感器测量得到的图像数据只能提供物体间相对的距离关系,不能提供这些物体真实的三维空间尺度。因此,单目深度估计存在尺度不确定(ScaleAmbiguity)的问题。以建图为例,基于单目深度估计构建的地图是相对精度的地图,即地图中的各个物体的相对位置关系是准确的,但是该地图与真实地理环境之间仍然存在一个可能的比例关系。
单目深度估计在深度估计的过程中,会先随机初始化估计的深度的尺度,并通过跟踪特征来保持尺度不变,当跟踪失败后,会再次随机初始化估计的深度的尺度,而由于初始化的尺度是随机的,导致每次初始化后估计的深度的尺度不一致,使得不同阶段初始化后得到的深度信息无法很好地衔接。
发明内容
本公开提出了一种深度估计技术方案。
根据本公开的一方面,提供了一种深度估计方法,包括:
基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;
利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
在本公开实施例中,通过基于输出具有尺度不变性的预测网络,确定单目深度估计处理中不同阶段估计的第一深度估计值和第二深度估计值之间的相对尺度关系,然后利用该相对尺度关系对第二深度估计值的尺度进行调整,得到第三深度估计值。由此,能够提高不同阶段初始化后得到的深度信息的尺度的一致性,让不同阶段初始化后得到的深度信息更好地衔接在一起,提高了得到的深度信息的准确性。
在一种可能的实现方式中,所述基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,包括:
通过所述预测网络,确定所述第一图像的第一深度预测值;
确定所述第一深度预测值和所述第一深度估计值之间的尺度变换关系;
通过所述预测网络,确定所述第二图像的第二深度预测值;
利用所述尺度变换关系,对所述第二深度预测值进行变换,得到第三深度预测值;
确定所述第三深度预测值和所述第二深度估计值的相对尺度关系,作为所述第一深度估计值和所述第二深度估计值之间的相对尺度关系。
本公开实施例中,通过预测网络分别对两次初始化后采集的第一图像和第二图像进行预测,得到尺度一致的第一深度预测值和第二深度预测值,然后利用第一深度预测值和第一深度估计值之间的尺度变换关系,对第二深度预测值进行变换,得到与第一深度估计值相同的第三深度预测值,然后,将第三深度预测值和第二深度估计值的相对尺度关系,作为第一深度估计值和第二深度估计值之间的相对尺度关系,由此,能够准确地得到第一深度估计值和第二深度估计值之间的相对尺度关系。
在一种可能的实现方式中,所述预测网络对图像进行深度预测后输出的深度预测值与所述图像对应的真实深度值在尺度上存在线性变换关系。
在一种可能的实现方式中,所述方法还包括:
利用所述预测网络对样本图像进行深度预测,得到第一预测结果;
拟合所述第一预测结果和所述样本图像的标注深度值在尺度上的线性变换关系;
利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果;
基于所述第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数。
在本公开实施例中,为了使得预测网络的输出具备尺度不变性,在对预测网络进行训练的过程中,通过拟合第一预测结果和样本图像的标注深度值在尺度上的线性变换关系,并利用该线性变换关系对预测结果进行线性变换,以消除预测网络对样本图像的预测结果与标注深度值之间尺度差异,然后再对消除尺度差异后的预测结果与标注深度值之间的差异,来调整预测网络的网络参数,以使网络参数在预测深度时不对尺度进行预测,得到的预测网络的输出与尺度无关,即具备尺度不变性。
在一种可能的实现方式中,所述利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值,包括:
利用所述相对尺度关系对第二地图的尺度进行调整,得到第三地图;
所述方法还包括:
将第一地图和所述第三地图进行拼接,得到拼接后的地图;
其中,所述第一地图是基于所述第一深度估计值构建的,所述第二地图是基于所述第二深度估计值构建的,所述第三地图的深度信息为所述第三深度估计值。
在本公开实施例中,通过提高不同阶段初始化后得到的深度信息尺寸的一致性,能够使得不同阶段构建的地图尽可能地一致,便于对不同阶段构建的地图进行拼接,进而提高构建的地图的准确性。
在一种可能的实现方式中,所述第一地图中包括目标设备的第一轨迹,所述第二地图中包括目标设备的第二轨迹,所述方法还包括:
利用所述相对尺度关系对所述第二轨迹进行调整,得到第三轨迹;
对所述第一轨迹和第三轨迹进行拼接,得到拼接后的轨迹,作为所述目标设备的轨迹。
在本公开实施例中,通过利用第一深度估计值和第二深度估计值之间的相对尺度关系对第二轨迹进行调整,得到第三轨迹,由此得到的第三轨迹的尺度与第一轨迹的尺度保持一致,那么通过对尺度一致的第一轨迹和第三轨迹进行拼接,能够提高拼接得到的轨迹的准确性。
在一种可能的实现方式中,所述第一深度估计值和所述第二深度估计值为增强现实中现实场景的深度估计值;
所述方法还包括:
基于所述第三深度估计值确定增强现实中虚拟物体的尺寸和位置。
在本公开实施例中,在增强现实应用中,第一深度估计值也会用于确定增强现实中虚拟物体的尺寸和位置,第三深度估计值也会用于确定增强现实中虚拟物体的尺寸和位置,即在多次初始化后得到的深度估计值均可以用于确定增强现实中虚拟物体的尺寸和位置,而保持多次初始化后得到的深度估计值的尺度的一致性,能够保持确定的增强现实中虚拟物体的尺寸和位置的一致性,提高了增强现实的视觉效果,用户体验较好。
根据本公开的一方面,提供了一种深度估计装置,包括:
相对尺度关系确定单元,用于基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;
调整单元,用于利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
在一种可能的实现方式中,所述相对尺度关系确定单元,具体用于通过所述预测网络,确定所述第一图像的第一深度预测值;确定所述第一深度预测值和所述第一深度估计值之间的尺度变换关系;通过所述预测网络,确定所述第二图像的第二深度预测值;利用所述尺度变换关系,对所述第二深度预测值进行变换,得到第三深度预测值;确定所述第三深度预测值和所述第二深度估计值的相对尺度关系,作为所述第一深度估计值和所述第二深度估计值之间的相对尺度关系。
在一种可能的实现方式中,所述预测网络对图像进行深度预测后输出的深度预测值与所述图像对应的真实深度值在尺度上存在线性变换关系。
在一种可能的实现方式中,所述装置还包括:
第一预测结果确定单元,用于利用所述预测网络对样本图像进行深度预测,得到第一预测结果;
拟合单元,用于拟合所述第一预测结果和所述样本图像的标注深度值在尺度上的线性变换关系;
第二预测结果确定单元,用于利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果;
网络参数调整单元,用于基于所述第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数。
在一种可能的实现方式中,所述调整单元,用于利用所述相对尺度关系对第二地图的尺度进行调整,得到第三地图;
所述装置还包括:
第一拼接单元,用于将第一地图和所述第三地图进行拼接,得到拼接后的地图;
其中,所述第一地图是基于所述第一深度估计值构建的,所述第二地图是基于所述第二深度估计值构建的,所述第三地图的深度信息为所述第三深度估计值。
在一种可能的实现方式中,所述第一地图中包括目标设备的第一轨迹,所述第二地图中包括目标设备的第二轨迹,所述装置还包括:
第三轨迹确定单元,用于利用所述相对尺度关系对所述第二轨迹进行调整,得到第三轨迹;
第二拼接单元,用于对所述第一轨迹和第三轨迹进行拼接,得到拼接后的轨迹,作为所述目标设备的轨迹。
在一种可能的实现方式中,所述第一深度估计值和所述第二深度估计值为增强现实中现实场景的深度估计值;
所述装置还包括:尺寸和位置确定单元,用于基于所述第三深度估计值确定增强现实中虚拟物体的尺寸和位置。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,通过基于输出具有尺度不变性的预测网络,确定单目深度估计处理中不同阶段估计的第一深度估计值和第二深度估计值之间的相对尺度关系,然后利用该相对尺度关系对第二深度估计值的尺度进行调整,得到第三深度估计值。由此,能够提高不同阶段初始化后得到的深度信息的尺度的一致性,让不同阶段初始化后得到的深度信息更好地衔接在一起,提高了得到的深度信息的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的深度估计方法的流程图。
图2示出根据本公开实施例的一种深度估计装置的框图。
图3示出根据本公开实施例的一种电子设备的框图。
图4示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
计算机视觉近年来取得了长足的发展,应用前景广阔,在计算机视觉中,单目SLAM能够估计图像的深度值,在自动驾驶、机器人和增强现实(Augmented Reality,AR)等领域中发挥着重要作用。
本公开提供一种深度估计方法,通过基于输出具有尺度不变性的预测网络,确定单目深度估计过程中不同阶段估计的第一深度估计值和第二深度估计值之间的相对尺度关系,然后利用该相对尺度关系对第二深度估计值的尺度进行调整,得到第三深度估计值。由此,能够提高不同阶段初始化后得到的深度信息的尺寸的一致性,使得不同阶段初始化后得到的深度信息更好地衔接在一起,提高了得到的深度信息的准确性。
本公开提供的深度估计方法,能够提高单目深度估计处理中不同阶段初始化后得到的深度信息尺寸的一致性,在自动驾驶、机器人和增强现实(Augmented Reality,AR)等领域中均具备较高的应用价值。
例如,在自动驾驶或机器人领域,单目深度估计得到的深度信息会用于构建地图,通过提高不同阶段初始化后得到的深度信息尺寸的一致性,能够使得不同阶段构建的地图尽可能地一致,便于对不同阶段构建的地图进行拼接。
在增强现实中,会将虚拟物品摆放于摄像头拍摄的画面中,虚拟物品在画面中的大小和摆放的位置可以通过单目深度估计得到的深度信息确定,那么,通过提高不同阶段初始化后得到的深度信息尺寸的一致性,能够使得在不同阶段的画面中虚拟物体的大小和摆放的位置尽可能地保持一致,用户体验较好。
本公开实施例提供的深度估计方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。在一些可能的实现方式中,该深度估计方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
请参照图1,图1示出根据本公开实施例的深度估计方法的流程图,如图1所示,所述深度估计方法包括:
在步骤S11中,基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系。
所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值。
这里的预测网络,用于基于图像进行深度预测,预测网络例如可以是深度神经网络、卷积神经网络等。
在一示例中,进行深度预测的图像可以是RGB图像,RGB图像中,通过对红(R)、绿(G)、蓝(B)三个颜色通道来得到各式各样的颜色。RGB图像中不包含深度摄像头获取的深度信息,RGB图像可以直接由可见光摄像头采集得到,常见的手机等终端设备拍照所使用的摄像头即为RGB摄像头。
在一种可选的实现方式中,所述预测网络对图像进行深度预测后输出的深度预测值和输入的图像的真实深度值在尺度上存在一个线性变换关系,例如,该深度预测值与输入的图像的真实深度在尺度上相差一个缩放比例s和偏移量t。
需要说明的是,这里的深度预测值可以是预测的图像中事物的深度,也可以是预测的图像中事物的逆深度,逆深度和深度之间为倒数的关系,本公开对此不做限定。
单目深度估计通过对图像的深度进行估计,得到深度估计值。常见的实现单目深度估计的技术例如可以是,基于ORB描述子的特征点法视觉SLAM(Oriented FAST andRotated BRIEF SLAM,ORB-SLAM)、大范围单目SLAM(Large Scale Direct monocularSLAM,LSD-SLAM)和基于稀疏直接法的SLAM(Direct Sparse Odometry SLAM,DSO-SLAM)等。
单目深度估计过程中在刚开始工作时或跟踪失败后,会进行初始化,初始化得到的深度信息的尺度是随机的,且由于单目深度估计过程中无法获取图像中的真实尺度,因此,每次初始化时的尺度是随机的,无法对尺度定量。这里的第一初始化和第二初始化分别用于表征单目深度估计过程中对估计的深度的两次初始化,这里的第一和第二用于区分两次不同的初始化,不应理解为对初始化顺序的限定。
两次初始化后估计的第一深度估计值和第二深度估计值在尺度上往往会不同,因此,第一深度估计值和第二深度估计值之间会存在相对尺度关系,而由于预测网络输出的预测深度值具备尺度不变性,因此,可以基于预测网络对第一图像的第一深度预测值,以及预测网络对第二图像的第二深度预测值,来确定第一深度估计值和第二深度估计值之间的相对尺度关系。
第一图像的第一深度预测值,可以是第一图像中所有像素点的深度值,也可以是第一图像中部分像素点的深度值。同样,第二图像的第二深度预测值,可以是第二图像中所有像素点的深度值,也可以是第二图像中部分像素点的深度值。
由于预测网络输出的预测深度值具备尺度不变性,因此,预测网络输出的第一深度预测值和第二深度预测值的尺度是相同的(尺度之间的差异值在可容忍的预设尺度范围以内时也认为是相同的),那么,可以以预测网络的输出为尺度的标尺,得到第一深度估计值和第二深度估计值之间的相对尺度关系,将单目深度估计得到的深度估计值的尺度进行统一。
在步骤S12中,利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
在得到相对尺度关系后,即可利用该相对尺度关系对第二深度估计值的尺度进行调整,将第二深度估计值的尺度调整到与第一深度估计值的尺度一致,即尺度之间的差异值在可容忍的预设尺度范围以内。
相对尺度关系可以包括下述至少一种分量:缩放分量、平移分量,即对第二深度估计值进行缩放操作,和/或,执行平移操作后,第二深度估计值的尺度便会与第一深度估计值的尺度相同。
在本公开实施例中,通过基于输出具有尺度不变性的预测网络,确定单目深度估计处理中不同阶段估计的第一深度估计值和第二深度估计值之间的相对尺度关系,然后利用该相对尺度关系对第二深度估计值的尺度进行调整,得到第三深度估计值。由此,能够提高不同阶段初始化后得到的深度信息的尺度的一致性,让不同阶段初始化后得到的深度信息更好地衔接在一起,提高了得到的深度信息的准确性。
本公开实施例提供的深度估计方法可以有多种可能的实现方式,在一种可能的实现方式中,所述基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,包括:
步骤S201,通过所述预测网络,确定所述第一图像的第一深度预测值;
第一图像可以是第一初始化后单目相机采集的图像中的关键帧图像,或者是关键帧图像中的部分图像。
预测网络可以是卷积神经网络,该网络的输入为第一图像,输出为第一图像的第一深度预测值。
步骤S202,确定所述第一深度预测值和所述第一深度估计值之间的尺度变换关系;
在一示例中,第一深度预测值和第一深度估计值均为点云数据,该尺度变换关系具体可以体现为两个点云数据之间的仿射变换参数,在第一深度预测值的点云经仿射变换参数进行缩放和平移后,即可尽可能地与第一深度估计值的点云重合。
具体确定尺度变换关系的方式可以有多种,例如,可以通过最小二乘法,拟合第一深度预测值和第一深度估计值之间的仿射变换的参数,即找到第一深度预测值中的点云坐标(X,Y)与第一深度估计值中的点云坐标(x,y)之间的转换关系,使得坐标(X,Y)处的点云在经该转换关系转换后与坐标(x,y)处的点云尽可能重合。
在第一深度预测值和第一深度估计值的维度不同的情况下,可以将二者的维度进行统一,然后再确定尺度变换关系。例如,第一深度预测值可以是二维点云数据,第一深度估计值可以是三维点云数据,那么可以先将第一深度估计值的三维点云数据投影到二维,然后再确定第一深度预测值和第一深度估计值之间的尺度变换关系。
尺度变换关系也可以包括下述至少一种分量:缩放分量s、平移分量t,即对第一深度预测值进行s倍的缩放操作,和/或,执行位移为t的平移操作后,第一深度预测值的尺度便会与第一深度估计值的尺度相同。
需要说明的是,在本公开实施例中,还可以通过随机抽样一致算法(RANdomSAmple Consensus,RANSAC),去除第一深度预测值和第一深度估计值中的异常数据(或称为噪声),从而提高深度估计的准确性。
步骤S203,通过所述预测网络,确定所述第二图像的第二深度预测值;
对第二图像进行预测的过程与对第一图像进行预测的过程类似,可参见前文相关描述,此处不作赘述。
步骤S204,利用所述尺度变换关系,对所述第二深度预测值进行变换,得到第三深度预测值;
由于该尺度变换关系能够表征第一深度预测值与第一深度估计值之间的尺度关系,而第二深度预测值的尺度与第一深度预测值的尺度相同,那么,利用尺度变换关系对第二深度预测值进行变换得到的第三深度预测值,其尺度也会与第一深度预测值的尺度相同。
步骤S205,确定所述第三深度预测值和所述第二深度估计值的相对尺度关系,作为所述第一深度估计值和所述第二深度估计值之间的相对尺度关系。
第二深度估计值的尺度应当与第三深度预测值的尺度一致,才能使得第二深度估计值的尺度与第一深度估计值的尺度保持一致,因此,可以将第三深度预测值和第二深度估计值的相对尺度关系,作为第一深度估计值和第二深度估计值之间的相对尺度关系。
第三深度预测值和第二深度估计值的相对尺度关系,可以通过最小二乘法来确定,具体可参见前文确定尺度变换关系的相关描述,此处不做赘述。
需要说明的是,在本公开实施例中,还可以通过随机抽样一致算法RANSAC,去除第三深度预测值和第二深度估计值中的异常数据(或称为噪声),从而提高深度估计的准确性。
本公开实施例中,通过预测网络分别对两次初始化后采集的第一图像和第二图像进行预测,得到尺度一致的第一深度预测值和第二深度预测值,然后利用第一深度预测值和第一深度估计值之间的尺度变换关系,对第二深度预测值进行变换,得到与第一深度估计值相同的第三深度预测值,然后,将第三深度预测值和第二深度估计值的相对尺度关系,作为第一深度估计值和第二深度估计值之间的相对尺度关系,由此,能够准确地得到第一深度估计值和第二深度估计值之间的相对尺度关系。
在一种可选的实现方式中,所述方法还包括:利用所述预测网络对样本图像进行深度预测,得到第一预测结果;拟合所述第一预测结果和所述样本图像的标注深度值之间的线性变换关系;利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果;基于所述第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数。
对预测网络进行训练的训练样本包括:样本图像和样本图像的标注深度值(ground truth depth),其中,样本图像可以是RGB图像。在训练的过程中,将样本图像作为预测网络的输入,得到输出的第一预测结果,第一预测结果具体可以是深度或者也可以是逆深度。
在本公开实现方式中,会拟合第一预测结果和样本图像的标注深度值在尺度上的线性变换关系,即确定一个线性变换关系,使得第一预测结果经缩放和/或平移操作后,其尺度与标注深度值的尺度一致。
具体拟合的方式可以有多种,例如,可以通过最小二乘法来拟合,由于第一预测结果和标注深度值均为点云数据,通过最小二乘法,该线性变换关系具体可以体现为两个点云数据之间的仿射变换参数,在第一预测结果的点云经仿射变换参数进行缩放和平移后,其尺度与标注深度值的尺度保持一致,当然本公开中所描述的尺度保持一致,可以理解为尺度之间的差异值保持在可容忍的预设尺度范围以内。
在拟合得到线性变换关系后,即可利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果,第二预测结果与标注深度值的尺度可以认为是一致的。
然后,基于第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数,那么预测网络中的网络参数是依据预测结果和标注深度值之间深度值的差异训练得到的,而非预测结果和标注深度值之间尺度的差异训练得到的。因此,通过该方式训练得到的预测网络的输出与尺度无关,因而其输出能够具有尺度不变性。
在本公开实施例中,为了使得预测网络的输出具备尺度不变性,在对预测网络进行训练的过程中,通过拟合第一预测结果和样本图像的标注深度值在尺度上的线性变换关系,并利用该线性变换关系对预测结果进行线性变换,以消除预测网络对样本图像的预测结果与标注深度值之间尺度差异,然后再对消除尺度差异后的预测结果与标注深度值之间的差异,来调整预测网络的网络参数,以使网络参数在预测深度时不对尺度进行预测,得到的预测网络的输出与尺度无关,即具备尺度不变性。
在一种可能的实现方式中,可以基于损失函数对预测网络进行训练,该损失函数计算的损失为:消除预测网络的预测结果和标注深度值之间的尺度差异后,预测结果和标注深度值之间的差异,以使得预测网络的输出与尺度无关,输出具有尺度不变性。
该损失函数的一种示例性表达式如下公式(1):
在预测网络的第i次训练中,输入样本图像,得到输出的第一预测结果di,然后得到di和标注深度值之间的尺度缩放分量s和尺度平移分量t,那么第二预测结果即可表示为sdi+t,第二预测结果和标注深度值的差异即可表示为:
然后通过调整预测网络的网络参数,使得损失函数的值尽可能地小,即使得第二预测结果和标注深度值之间的差异尽可能地小,以对网络参数进行优化,以使得预测网络的输出具备尺度不变性。
本公开实施例提供的深度估计方法,在多种可能的应用场景中具备较高的应用价值,在一些应用场景中,单目深度估计处理得到的深度信息可以用于构建地图,那么,在本公开一种可能的实现方式中,所述利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值,包括:利用所述相对尺度关系对第二地图的尺度进行调整,得到第三地图;所述方法还包括:将第一地图和所述第三地图进行拼接,得到拼接后的地图。
其中,所述第一地图是在第一阶段基于所述第一深度估计值构建的,所述第二地图是在第二阶段基于所述第二深度估计值构建的,所述第三地图的深度信息为所述第三深度估计值。第一地图、第二地图和第三地图均可以是点云地图。
这里的第一阶段可以是第一初始化后第二初始化前的阶段,而第二阶段可以是第二初始化后下一次初始化前的阶段,第一阶段和第二阶段可以是相邻的两个阶段,由于单目深度估计在两个阶段得到的深度估计值的尺度可能是不同的,因此利用深度估计值构建的地图的尺度往往也是不同的,因此,可以利用确定的相对尺度关系,来实现两个阶段构建的地图的尺度的统一。
由于相对尺度关系是第一深度估计值和第二深度估计值之间的尺度关系,而第一地图和第二地图是分别基于第一深度估计值和第二深度估计值来构建的,因此,该相对尺度关系也是第一地图和第二地图之间的尺度关系。
那么,在利用相对尺度关系对第二地图的尺度进行调整的过程中,可以根据该尺度关系对第二地图执行缩放操作和/或平移操作,这样得到的第三地图的尺度便会与第一地图的尺度相同。
对于尺度相同的第一地图和第三地图,在拼接的过程中,由于第一地图是第一阶段的多帧图像的点云连接而成的,而第三地图是第二阶段的多帧图像的点云连接而成的,因此,可以使得第一地图中最后一帧图像的点云与第三图像中第一帧图像的点云相连接,实现第一图像和第三图像的拼接。
在单目SLAM构建地图的过程中,往往会存在将不同阶段下初始化的地图进行拼接的需求,而保证不同阶段下初始化的地图的尺度一致,能够提高拼接得到的地图的准确性。因此,在本公开实施例中,通过提高不同阶段初始化后得到的深度信息尺寸的一致性,能够使得不同阶段构建的地图尽可能地一致,便于对不同阶段构建的地图进行拼接,进而提高构建的地图的准确性。
在一些应用场景中,在单目SLAM技术中,单目深度估计得到的深度信息可以用于定位目标设备在构建的地图中的位姿,目标设备为装载有采集图像的设备,采集的图像用于单目SLAM估计深度信息。
目标设备在构建的地图中的位姿包括目标设备的位置,还可以包括目标设备的朝向(运动方向),由目标设备在地图中的位置连接而成的线即为目标设备在地图中的轨迹。目标设备的轨迹是基于单目深度估计得到的深度信息来确定的,那么轨迹的尺寸也是与深度信息的尺度相关的。
在本公开一种可能的实现方式中,所述第一地图中包括目标设备的第一轨迹,所述第二地图中包括目标设备的第二轨迹,所述方法还包括:利用所述相对尺度关系对所述第二轨迹进行调整,得到第三轨迹;对所述第一轨迹和第三轨迹进行拼接,得到拼接后的轨迹,作为所述目标设备的轨迹。
由于相对尺度关系是第一地图和第二地图之间的尺度关系,而第一轨迹和第二轨迹是分别基于第一地图和第二地图来得到的,因此,该相对尺度关系也是第一轨迹和第二轨迹之间的尺度关系。
那么,在利用所述相对尺度关系对第二轨迹进行调整得到第三轨迹的过程中,可以根据该尺度关系对第二轨迹执行缩放操作和/或执行平移操作,得到的第三轨迹的尺度便会与第一轨迹的尺度相同。
对于尺度相同的第一轨迹和第三轨迹,在拼接的过程中,由于第一轨迹是第一阶段目标设备所处位置的点连接而成的,而第三轨迹是第二阶段目标设备所处位置的点连接而成的,因此,可以使得第一轨迹中最后一个位置点与第三图像中第一个位置点相连接,实现第一轨迹和第三轨迹的拼接。
在本公开实施例中,通过利用第一深度估计值和第二深度估计值之间的相对尺度关系对第二轨迹进行调整,得到第三轨迹,由此得到的第三轨迹的尺度与第一轨迹的尺度保持一致,那么通过对尺度一致的第一轨迹和第三轨迹进行拼接,能够提高拼接得到的轨迹的准确性。
在一些应用场景中,单目SLAM得到的深度信息可以用于AR中,在AR中会将虚拟物品摆放于摄像头拍摄的画面中,虚拟物品在画面中的大小和摆放的位置可以通过SLAM估计的深度信息确定,那么,通过提高不同阶段初始化后得到的深度信息尺寸的一致性,能够使得在不同阶段的画面中虚拟物体的大小和摆放的位置尽可能地保持一致,用户体验较好。
在一种可能的实现方式中,所述第一深度估计值和所述第二深度估计值为增强现实中现实场景的深度估计值;所述方法还包括:基于所述第三深度估计值确定增强现实中虚拟物体的尺寸和位置。
在AR应用中,第一深度估计值也会用于确定增强现实中虚拟物体的尺寸和位置,第三深度估计值也会用于确定增强现实中虚拟物体的尺寸和位置,即在多次初始化后得到的深度估计值均可以用于确定增强现实中虚拟物体的尺寸和位置,而保持多次初始化后得到的深度估计值的尺度的一致性,能够保持确定的增强现实中虚拟物体的尺寸和位置的一致性,提高了AR的视觉效果,用户体验较好。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了深度估计装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种深度估计方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图2示出根据本公开实施例的深度估计装置的框图,如图2所示,所述装置20包括:
相对尺度关系确定单元21,用于基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;
调整单元22,用于利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
在一种可能的实现方式中,所述相对尺度关系确定单元21,具体用于通过所述预测网络,确定所述第一图像的第一深度预测值;确定所述第一深度预测值和所述第一深度估计值之间的尺度变换关系;通过所述预测网络,确定所述第二图像的第二深度预测值;利用所述尺度变换关系,对所述第二深度预测值进行变换,得到第三深度预测值;确定所述第三深度预测值和所述第二深度估计值的相对尺度关系,作为所述第一深度估计值和所述第二深度估计值之间的相对尺度关系。
在一种可能的实现方式中,所述预测网络对图像进行深度预测后输出的深度预测值与所述图像对应的真实深度值在尺度上存在线性变换关系。
在一种可能的实现方式中,所述装置还包括:
第一预测结果确定单元,用于利用所述预测网络对样本图像进行深度预测,得到第一预测结果;
拟合单元,用于拟合所述第一预测结果和所述样本图像的标注深度值在尺度上的线性变换关系;
第二预测结果确定单元,用于利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果;
网络参数调整单元,用于基于所述第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数。
在一种可能的实现方式中,所述调整单元,用于利用所述相对尺度关系对第二地图的尺度进行调整,得到第三地图;
所述装置还包括:
第一拼接单元,用于将第一地图和所述第三地图进行拼接,得到拼接后的地图;
其中,所述第一地图是基于所述第一深度估计值构建的,所述第二地图是基于所述第二深度估计值构建的,所述第三地图的深度信息为所述第三深度估计值。
在一种可能的实现方式中,所述第一地图中包括目标设备的第一轨迹,所述第二地图中包括目标设备的第二轨迹,所述装置还包括:
第三轨迹确定单元,用于利用所述相对尺度关系对所述第二轨迹进行调整,得到第三轨迹;
第二拼接单元,用于对所述第一轨迹和第三轨迹进行拼接,得到拼接后的轨迹,作为所述目标设备的轨迹。
在一种可能的实现方式中,所述第一深度估计值和所述第二深度估计值为增强现实中现实场景的深度估计值;
所述装置还包括:尺寸和位置确定单元,用于基于所述第三深度估计值确定增强现实中虚拟物体的尺寸和位置。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现和技术效果可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的深度估计方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的深度估计方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图3示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图3,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图4示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图4,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种深度估计方法,其特征在于,包括:
基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;
利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
2.根据权利要求1所述方法,其特征在于,所述基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,包括:
通过所述预测网络,确定所述第一图像的第一深度预测值;
确定所述第一深度预测值和所述第一深度估计值之间的尺度变换关系;
通过所述预测网络,确定所述第二图像的第二深度预测值;
利用所述尺度变换关系,对所述第二深度预测值进行变换,得到第三深度预测值;
确定所述第三深度预测值和所述第二深度估计值的相对尺度关系,作为所述第一深度估计值和所述第二深度估计值之间的相对尺度关系。
3.根据权利要求1或2任一所述方法,其特征在于,所述预测网络对图像进行深度预测后输出的深度预测值与所述图像对应的真实深度值在尺度上存在线性变换关系。
4.根据权利要求1-3任一所述方法,其特征在于,所述方法还包括:
利用所述预测网络对样本图像进行深度预测,得到第一预测结果;
拟合所述第一预测结果和所述样本图像的标注深度值在尺度上的线性变换关系;
利用拟合的线性变换关系对所述第一预测结果进行线性变换,得到第二预测结果;
基于所述第二预测结果和所述标注深度值之间的差异,调整所述预测网络的网络参数。
5.根据权利要求1-4任一所述方法,其特征在于,所述利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值,包括:
利用所述相对尺度关系对第二地图的尺度进行调整,得到第三地图;
所述方法还包括:
将第一地图和所述第三地图进行拼接,得到拼接后的地图;
其中,所述第一地图是基于所述第一深度估计值构建的,所述第二地图是基于所述第二深度估计值构建的,所述第三地图的深度信息为所述第三深度估计值。
6.根据权利要求5所述方法,其特征在于,所述第一地图中包括目标设备的第一轨迹,所述第二地图中包括目标设备的第二轨迹,所述方法还包括:
利用所述相对尺度关系对所述第二轨迹进行调整,得到第三轨迹;
对所述第一轨迹和第三轨迹进行拼接,得到拼接后的轨迹,作为所述目标设备的轨迹。
7.根据权利要求1-4任一所述方法,其特征在于,所述第一深度估计值和所述第二深度估计值为增强现实中现实场景的深度估计值;
所述方法还包括:
基于所述第三深度估计值确定增强现实中虚拟物体的尺寸和位置。
8.一种深度估计装置,其特征在于,包括:
相对尺度关系确定单元,用于基于输出具有尺度不变性的预测网络,确定经单目深度估计处理得到的第一深度估计值和第二深度估计值之间的相对尺度关系,所述第一深度估计值包括单目深度估计处理中第一初始化后估计的第一图像的深度值,所述第二深度估计值包括单目深度估计处理中第二初始化后估计的第二图像的深度值;
调整单元,用于利用所述相对尺度关系对所述第二深度估计值的尺度进行调整,得到第三深度估计值。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至8中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245288.9A CN112837361A (zh) | 2021-03-05 | 2021-03-05 | 一种深度估计方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245288.9A CN112837361A (zh) | 2021-03-05 | 2021-03-05 | 一种深度估计方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112837361A true CN112837361A (zh) | 2021-05-25 |
Family
ID=75934651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245288.9A Pending CN112837361A (zh) | 2021-03-05 | 2021-03-05 | 一种深度估计方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837361A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160173849A1 (en) * | 2013-10-25 | 2016-06-16 | Ricoh Innovations Corporation | Processing of Light Fields by Transforming to Scale and Depth Space |
CN106408015A (zh) * | 2016-09-13 | 2017-02-15 | 电子科技大学成都研究院 | 基于卷积神经网络的岔路口识别及深度估计方法 |
CN109377530A (zh) * | 2018-11-30 | 2019-02-22 | 天津大学 | 一种基于深度神经网络的双目深度估计方法 |
CN110322499A (zh) * | 2019-07-09 | 2019-10-11 | 浙江科技学院 | 一种基于多层特征的单目图像深度估计方法 |
CN111311685A (zh) * | 2020-05-12 | 2020-06-19 | 中国人民解放军国防科技大学 | 一种基于imu/单目图像的运动场景重构无监督方法 |
US20200226773A1 (en) * | 2018-07-27 | 2020-07-16 | Shenzhen Sensetime Technology Co., Ltd. | Method and apparatus for depth estimation of monocular image, and storage medium |
CN112348869A (zh) * | 2020-11-17 | 2021-02-09 | 的卢技术有限公司 | 通过检测和标定恢复单目slam尺度的方法 |
-
2021
- 2021-03-05 CN CN202110245288.9A patent/CN112837361A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160173849A1 (en) * | 2013-10-25 | 2016-06-16 | Ricoh Innovations Corporation | Processing of Light Fields by Transforming to Scale and Depth Space |
CN106408015A (zh) * | 2016-09-13 | 2017-02-15 | 电子科技大学成都研究院 | 基于卷积神经网络的岔路口识别及深度估计方法 |
US20200226773A1 (en) * | 2018-07-27 | 2020-07-16 | Shenzhen Sensetime Technology Co., Ltd. | Method and apparatus for depth estimation of monocular image, and storage medium |
CN109377530A (zh) * | 2018-11-30 | 2019-02-22 | 天津大学 | 一种基于深度神经网络的双目深度估计方法 |
CN110322499A (zh) * | 2019-07-09 | 2019-10-11 | 浙江科技学院 | 一种基于多层特征的单目图像深度估计方法 |
CN111311685A (zh) * | 2020-05-12 | 2020-06-19 | 中国人民解放军国防科技大学 | 一种基于imu/单目图像的运动场景重构无监督方法 |
CN112348869A (zh) * | 2020-11-17 | 2021-02-09 | 的卢技术有限公司 | 通过检测和标定恢复单目slam尺度的方法 |
Non-Patent Citations (2)
Title |
---|
RAVI GARG等: "Unsupervised CNN for Single View Depth Estimation: Geometry to the Rescue", 《EUROPEAN CONFERENCE ON COMPUTER VISION-ECCV 2016》, pages 740 - 756 * |
朱沛贤: "基于卷积神经网络的单目图像深度估计研究", 《信息科技辑》, no. 02, pages 138 - 1829 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111540000B (zh) | 场景深度和相机运动预测方法及装置、电子设备和介质 | |
CN110503689B (zh) | 位姿预测方法、模型训练方法及装置 | |
CN112001321A (zh) | 网络训练、行人重识别方法及装置、电子设备和存储介质 | |
CN109584362B (zh) | 三维模型构建方法及装置、电子设备和存储介质 | |
CN114019473A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
CN111401230B (zh) | 姿态估计方法及装置、电子设备和存储介质 | |
CN111551191A (zh) | 传感器外参数标定方法及装置、电子设备和存储介质 | |
CN112146645B (zh) | 一种坐标系对齐的方法及装置、电子设备和存储介质 | |
CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
CN112945207B (zh) | 目标定位方法及装置、电子设备和存储介质 | |
JP7316456B2 (ja) | 点群マップ構築方法及びその装置、電子機器、記憶媒体並びにプログラム | |
CN112991381B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN111563138A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN107886515B (zh) | 利用光流场的图像分割方法及装置 | |
CN114581525A (zh) | 姿态确定方法及装置、电子设备和存储介质 | |
CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN111325786B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112837372A (zh) | 数据生成方法及装置、电子设备和存储介质 | |
CN111784773A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN114445753A (zh) | 人脸跟踪识别方法及装置、电子设备和存储介质 | |
CN112837361A (zh) | 一种深度估计方法及装置、电子设备和存储介质 | |
CN112800954A (zh) | 文本检测方法及装置、电子设备和存储介质 | |
CN112683262A (zh) | 定位方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |