[发明专利]获取深度图像的方法、装置及计算机可读存储介质

权利要求书

1.一种获取深度图像的方法，其特征在于，所述方法包括：

搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；

构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；

通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；

将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；

其中，所述卷积神经网络包括多个卷积层；

所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，包括：

当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。

2.根据权利要求1所述的方法，其特征在于，所述搜集场景图和所述场景图对应的深度图像，包括：

通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。

3.根据权利要求1所述的方法，其特征在于，所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，还包括：

将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；

将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。

4.一种获取深度图像的装置，其特征在于，所述装置包括：

搜集模块，被配置为搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；

构建模块，被配置为构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；

训练模块，被配置为通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；以及

获取模块，被配置为将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；

其中，所述卷积神经网络包括多个卷积层；所述训练模块还被配置为：

当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。

5.根据权利要求4所述的装置，其特征在于，所述搜集模块被配置为：

通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。

6.根据权利要求5所述的装置，其特征在于，所述训练模块包括：

插值子模块，被配置为将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；以及

输入子模块，被配置为将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。

7.一种获取深度图像的装置，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：

搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；

构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；

通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；

将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；

其中，所述卷积神经网络包括多个卷积层；

所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，包括：

当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。

8.一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，该程序指令被处理器执行时实现权利要求1～3中任一项所述方法的步骤。