[发明专利]一种图像视差确定方法、装置、设备及系统

说明书

本申请实施例提供了一种图像视差确定方法、装置、设备及系统，方法包括：利用预设损失函数，基于多对样本图像、以及该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，得到视差网络模型，图像的分割结果包括：图像中每个像素点所属平面的信息；利用该视差网络模型确定图像视差，可以识别像素点所属的平面，对于一些弱纹理区域来说，识别其像素点所属的平面后，便可以较准确地确定弱纹理区域的视差图，因此，本方案提高了视差准确性。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及一种图像视差确定方法、装置、设备及系统。

背景技术

对于多目相机来说，通常需要计算其包含的每对双目相机所采集的双目图像之间的视差。计算双目图像之间的视差一般包括：利用SGM(semi-global matching，半全局匹配)算法，计算双目图像之间的初始视差图；再对初始视差图进行降噪、滤波处理，得到最终的视差图。

但是这种方案中，对于双目图像中的一些弱纹理区域来说，如墙面、地面、或反光区域等，弱纹理区域对应的视差图准确性较差。

发明内容

本申请实施例的目的在于提供一种图像视差确定方法、装置、设备及系统，以提高视差准确性。

为达到上述目的，本申请实施例提供了一种图像视差确定方法，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。

可选的，采用如下步骤训练得到所述视差网络模型：

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。

可选的，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。

可选的，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。

可选的，采用如下步骤训练得到所述分割网络模型：