[发明专利]一种应用于稀疏地图稠密化的深度补全方法在审
| 申请号： | 201910356917.8 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110097589A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 张宏;黄兴鸿;林旭滨;陈创斌;何力;管贻生 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06T7/50 | 分类号： | G06T7/50;G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张春水;唐京桥 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 损失函数 生成器 构建 稀疏 稠密 卷积神经网络 稠密深度图 判断器 算法 移动机器人视觉导航 应用 神经网络构建 参数优化 反向传播 回归模型 深度预测 神经网络 实时性 对抗 加权 图像 预测 | ||
1.一种应用于稀疏地图稠密化的深度补全方法，其特征在于，通过对抗神经网络构建回归模型，包括以下步骤：
采用卷积神经网络构建生成器，其中，以当前RGB图像和稀疏深度图作为生成器的输入，生成器的输出作为预测的稠密深度图；
根据真实的稠密深度图构建L1损失函数，其中，L1损失函数等于预测的稠密深度图与真实的稠密深度图之间的差值；
采用卷积神经网络构建判断器，其中，将预测的稠密深度图、真实的稠密深度图和RGB图像作为判断器的输入，判断器的输出作为判断器的损失函数；
通过对L1损失函数和判断器的损失函数进行加权得到生成器的损失函数；
将生成器的损失函数反向传播给生成器进行参数优化，得到更加准确的预测的稠密深度图。
2.根据权利要求1所述的一种应用于稀疏地图稠密化的深度补全方法，其特征在于：
所述真实的稠密深度图的获取方法为采用激光雷达或者深度相机获取。
3.根据权利要求1所述的一种应用于稀疏地图稠密化的深度补全方法，其特征在于：
所述将生成器的损失函数反向传播给生成器进行生成器参数优化，得到更加准确的预测的稠密深度图的步骤包括：
判断器和生成器参数优化是同时进行的，生成器根据其自身的损失函数每生成一帧新的预测的稠密深度图，即作为判断器的输入，以此生成判断器的新的损失函数。
4.根据权利要求3所述的一种应用于稀疏地图稠密化的深度补全方法，其特征在于，所述采用卷积神经网络构建判断器，其中，将预测的稠密深度图、真实的稠密深度图和RGB图像作为判断器的输入，判断器的输出作为判断器的损失函数的步骤包括：
预测的稠密深度图和RGB图像作为判断器的输入，对应输出为假损失，其中，假损失为判断器的输出偏向于判断该稠密深度图为假；
真实的稠密深度图和RGB图像作为判断器的输入，对应输出为真损失；其中，真损失为判断器的输出偏向于判断该稠密深度图为真；
假损失和真损失进行加权生成判断器的损失函数来优化判断器的参数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910356917.8/1.html，转载请声明来源钻瓜专利网。
