[发明专利]双目图像的深度估计方法及装置、设备、程序及介质

权利要求书

1.一种双目图像的深度估计方法，其特征在于，包括：

将待处理双目图像输入预定神经网络，得到视差图像及其置信度图像，其中，所述视差图像中各像素在预设分布的离散参数与该像素的置信度呈负相关关系，其中，所述预定神经网络基于损失函数训练得到，所述损失函数由所述视差图像中各像素的置信度及该像素在所述预设分布的离散参数计算得到；

根据所述视差图像得到所述待处理双目图像的深度图像。

2.根据权利要求1所述的方法，其特征在于，所述将待处理双目图像输入预定神经网络，得到置信度图像，包括：

将所述待处理双目图像经过双目立体匹配神经网络后，依次经过两个卷积层和一个归一化层得到所述置信度图像。

3.根据权利要求1所述的方法，其特征在于，还包括：

利用损失函数训练所述预定神经网络。

4.根据权利要求3所述的方法，其特征在于，所述损失函数包括：正则化项和调整所述视差图像中各像素在所述损失函数中的权重的聚焦损失项。

5.根据权利要求4所述的方法，其特征在于，所述正则化项包括：与置信度相关的正则化项和与预定神经网络参数相关的正则化项。

6.根据权利要求3至5中任意一项所述的方法，其特征在于，所述损失函数由所述视差图像中各像素的置信度及该像素在所述预设分布的离散参数计算得到，包括：

基于所述视差图像及其所述置信度图像、所述预定神经网络参数和真实视差图像，得到关于所述预定神经网络参数的似然函数；

基于所述视差图像中各像素服从的所述预设分布，得到所述视差图像中各像素的置信度与该像素在所述预设分布的离散参数之间的负相关关系；

基于所述视差图像中各像素的置信度与该像素在所述预设分布的离散参数之间的负相关关系，所述预定神经网络参数服从所述预设分布，所述视差图像中各像素的置信度服从非递减的分布，对所述似然函数取负对数，得到所述损失函数。

7.根据权利要求3至5中任意一项所述的方法，其特征在于，所述预设分布包括拉普拉斯分布或者高斯分布。

8.根据权利要求7所述的方法，其特征在于，响应于所述预设分布为拉普拉斯分布的情况，所述损失函数包括：由所述视差图像与真实视差图像中各像素的视差值的差值的绝对值与该像素的置信度的比值的平均值得到的聚焦损失项，由所述视差图像中各像素的置信度的平均值得到的正则化项，和由所述预定神经网络参数得到的正则化项。

9.根据权利要求7所述的方法，其特征在于，响应于预设分布为高斯分布的情况，所述损失函数包括：由所述视差图像与真实视差图像中各像素的视差值的差值的平方与该像素的置信度的比值的平均值得到的聚焦损失项，由所述视差图像中各像素的置信度的平均值得到的正则化项，和由所述预定神经网络参数得到的正则化项。

10.一种双目图像的深度估计装置，其特征在于，包括：

视差图像获取单元，用于将待处理双目图像输入预定神经网络，得到视差图像及其置信度图像，其中，所述视差图像中各像素在预设分布的离散参数与该像素的置信度呈负相关关系，其中，所述预定神经网络基于损失函数训练得到，所述损失函数由所述视差图像中各像素的置信度及该像素在所述预设分布的离散参数计算得到；

深度图像获取单元，用于根据所述视差图像得到所述待处理双目图像的深度图像。

11.根据权利要求10所述的装置，其特征在于，所述视差图像获取单元，用于将所述待处理双目图像经过双目立体匹配神经网络后，依次经过两个卷积层和一个归一化层得到所述置信度图像。

12.根据权利要求10所述的装置，其特征在于，还包括：

神经网络训练单元，用于利用损失函数训练所述预定神经网络。