[发明专利]深度图像估计方法、装置、电器设备以及存储介质

权利要求书

1.一种深度图像估计方法，其特征在于，应用于嵌入式神经网络处理器，所述方法包括：

获取双目相机采集到的第一图像和第二图像；

分别对所述第一图像和所述第二图像的有效区域进行截取，得到第一有效图像和第二有效图像；

利用预先训练好的轻量级图像校正网络模型对所述第一有效图像的行和所述第二有效图像的行进行对准校正，得到第一校正图像和第二校正图像；

利用预先训练好的轻量级深度估计网络模型对所述第一校正图像和所述第二校正图像进行深度估计，得到深度图像。

2.根据权利要求1所述的方法，其特征在于，获取双目相机采集到的第一图像和第二图像之前，所述方法还包括：

分别对预先训练好的图像校正网络模型和深度估计网络模型进行网络剪裁，获得轻量级图像校正网络模型和轻量级深度估计网络模型。

3.根据权利要求2所述的方法，其特征在于，在获得轻量级图像校正网络模型和轻量级深度估计网络模型之后，所述方法还包括：

利用第一目标样本集对所述轻量级图像校正网络模型进行训练，获得预先训练好的轻量级图像校正网络模型，其中，所述第一目标样本集包括由所述第一有效图像和第二有效图像组成的多个有效图像组、第一目标校正图像和第二目标校正图像，所述第一目标校正图像和第二目标校正图像通过预先训练好的图像校正网络模型获得；

利用第二目标样本集对所述轻量级深度估计网络模型进行训练，获得预先训练好的轻量级深度估计网络模型，其中，所述第二目标样本集包括由所述第一校正图像和第二校正图像组成的多个校正图像组、目标深度图像，所述目标深度图像根据所述第一图像与所述第二图像之间的视差图进行深度估计得到。

4.根据权利要求3所述的方法，其特征在于，利用第一目标样本集对所述轻量级图像校正网络模型进行训练，包括：

以所述多个有效图像组为输入、所述第一目标校正图像和第二目标校正图像为图像校正标签，对所述轻量级图像校正网络模型的参数进行训练，直至所述轻量级图像校正网络模型输出的图像校正结果与所述图像校正标签之间的误差满足第一预设误差条件。

5.根据权利要求3所述的方法，其特征在于，利用第二目标样本集对所述轻量级深度估计网络模型进行训练，包括：

以所述多个校正图像组为输入、所述目标深度图像为深度图像标签，对所述轻量级深度估计网络模型的参数进行训练，直至所述轻量级深度估计网络模型输出的深度图像估计结果与所述深度图像标签之间的误差满足第二预设误差条件。

6.根据权利要求3所述的方法，其特征在于，在对所述轻量级图像校正网络模型和所述轻量级深度估计网络模型进行训练之后，所述方法还包括：

分别对训练好的轻量级图像校正网络模型和轻量级深度估计网络模型进行模型格式转换，以使转换后的轻量级图像校正网络模型和轻量级深度估计网络模型适于在所述嵌入式神经网络处理器上运行。

7.根据权利要求6所述的方法，其特征在于，在分别对训练好的轻量级图像校正网络模型和轻量级深度估计网络模型进行模型格式转换之前，所述方法还包括：

对训练好的轻量级图像校正网络模型和轻量级深度估计网络模型的模型参数进行int8量化处理。

8.根据权利要求1-7中任一项所述的方法，其特征在于，分别对所述第一图像和所述第二图像的有效区域进行截取，包括：

确定所述有效区域的边界坐标；

从所述第一图像和所述第二图像中截取所述边界坐标的连线框定的区域，以得到所述第一有效图像和第二有效图像，其中，所述边界坐标的连线框定的区域为所述有效区域。

9.一种计算机可读存储介质，其特征在于，其上存储有深度图像估计程序，该深度图像估计方法被处理器执行时实现根据权利要求1-8中任一项所述的深度图像估计方法。