[发明专利]一种图像视差确定方法、装置、设备及系统

权利要求书

1.一种图像视差确定方法，其特征在于，包括：

获取至少一对待处理图像；

将所述至少一对待处理图像输入预先训练得到的视差网络模型中，得到每对待处理图像的视差图；

其中，所述视差网络模型为：利用预设损失函数，基于多对样本图像、以及所述多对样本图像的分割结果，对预设结构的初始视差网络进行训练得到的；图像的分割结果包括：图像中每个像素点所属平面的信息；

所述视差网络模型的训练步骤包括：

将第一组样本图像输入预设结构的初始视差网络，并利用第一预设损失函数，对所述初始视差网络进行训练，得到预训练模型；其中，所述第一预设损失函数中包含一项或多项误差参数；

获取所述第一组样本图像的分割结果；

将所述第一组样本图像、以及所述第一组样本图像的分割结果输入所述预训练模型，并利用第二预设损失函数，对所述预训练模型进行调整，得到视差网络模型；其中，所述第二预设损失函数中包含所述第一预设损失函数中的全部误差参数以及图像的分割结果对应的误差参数。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一组样本图像、以及所述第一组样本图像的分割结果输入所述预训练模型，包括：

基于所述第一组样本图像的分割结果，从所述第一组样本图像中抽取多对样本图像，作为目标样本图像；

将所述目标样本图像、以及所述目标样本图像的分割结果输入所述预训练模型。

3.根据权利要求2所述的方法，其特征在于，所述获取所述第一组样本图像的分割结果，包括：

将所述第一组样本图像输入预先训练得到的分割网络模型，得到所述第一组样本图像的分割结果；所述分割网络模型为：以第二组样本图像的分割结果为监督，对预设结构的初始分割网络进行训练得到的；

所述将所述目标样本图像、以及所述目标样本图像的分割结果输入所述预训练模型，包括：

在所述第一组样本图像的分割结果中，得到所述目标样本图像的分割结果，作为第一分割结果；

利用边缘检测算法，对所述目标样本图像进行检测，根据检测结果，对所述第一分割结果中的平面进行分割，得到第二分割结果；

将所述目标样本图像以及所述第二分割结果输入所述预训练模型。

4.根据权利要求3所述的方法，其特征在于，采用如下步骤训练得到所述分割网络模型：

将第二组样本图像及所述第二组样本图像的分割结果输入预设结构的初始分割网络，并以所述第二组样本图像的分割结果为监督，对所述初始分割网络进行训练，得到分割网络模型；其中，所述第二组样本图像为所述第一组样本图像的子集。

5.根据权利要求1所述的方法，其特征在于，所述第一预设损失函数包含以下一项或多项误差参数：图像匹配误差参数、视差图平滑性误差参数、视差图左右一致性误差参数、重建图像梯度误差。

6.根据权利要求5所述的方法，其特征在于，所述预训练模型的输出结果中包括多个不同尺度下的视差图；所述第一预设损失函数为所述多个不同尺度下的视差图的损失值的和；其中，一个尺度下的视差图的损失值＝(图像匹配误差参数*第一权重+视差图平滑性误差*第二权重+视差图左右一致性误差参数*第三权重+重建图像梯度误差参数*第四权重)；其中，所述第一权重、所述第一权重、所述第三权重和第四权重为预先设定的。

7.根据权利要求1所述的方法，其特征在于，所述图像的分割结果对应的误差参数为：图像中所有平面的梯度参数的平均值，其中一个平面的梯度参数＝该平面中所有像素点的梯度参数的平均值，其中一个像素点的梯度参数＝该像素点的梯度值-该平面中所有像素点的梯度均值。