[发明专利]数据处理方法、图像处理方法、存储介质及计算设备

说明书

本申请公开了一种数据处理方法、图像处理方法、存储介质及计算设备。其中，该方法包括：获取图像序列；利用图像处理模型对图像序列进行处理，得到图像序列对应的深度结果和分割结果；其中，图像处理模型用于获取训练序列，将训练序列中的第一图像输入至第一网络，得到第一图像对应的深度图，并将第一图像和训练序列中的第二图像输入至第二网络，得到第一图像到第二图像的位姿变换矩阵，图像处理模型的第一损失函数由第一图像，和，基于第二图像、深度图和位姿变换矩阵生成的合成图像确定。本申请解决了相关技术中图像处理方法计算复杂度大，且准确度低的技术问题。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种数据处理方法、图像处理方法、存储介质及计算设备。

背景技术

在室内场景三维建模领域中，利用全景图像中每个像素的深度值可以计算出该像素点在三维空间的坐标，进而得到整个场景的点云模型实现三维重建。

传统的全景图像处理方法依赖于较大数据量的全监督学习，其中深度数据需要通过多个深度摄像头以密集点位对场景进行扫描以获得全方位深度信息，硬件设备成本高且采集流程复杂效率低。同理，语义分割数据需要人工进行标注，人力标注成本高。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种数据处理方法、图像处理方法、存储介质及计算设备，以至少解决相关技术中图像处理方法计算复杂度大，且准确度低的技术问题。

根据本申请实施例的一个方面，提供了一种图像处理方法，包括：接收输入的图像序列；利用图像处理模型对图像序列进行处理，得到图像序列对应的深度结果和分割结果；基于深度结果和分割结果，生成图像序列对应的三维模型；展示三维模型；其中，图像处理模型用于获取训练序列，将训练序列中的第一图像输入至第一网络，得到第一图像对应的深度图，并将第一图像和训练序列中的第二图像输入至第二网络，得到第一图像到第二图像的位姿变换矩阵，图像处理模型的第一损失函数由第一图像，和，基于第二图像、深度图和位姿变换矩阵生成的合成图像确定。

根据本申请实施例的另一方面，还提供了一种图像处理方法，包括：获取图像序列；利用图像处理模型对图像序列进行处理，得到图像序列对应的深度结果和分割结果；其中，图像处理模型用于获取训练序列，将训练序列中的第一图像输入至第一网络，得到第一图像对应的深度图，并将第一图像和训练序列中的第二图像输入至第二网络，得到第一图像到第二图像的位姿变换矩阵，图像处理模型的第一损失函数由第一图像，和，基于第二图像、深度图和位姿变换矩阵生成的合成图像确定。

根据本申请实施例的另一方面，还提供了一种数据处理方法，包括：获取训练序列；将训练序列中的第一图像输入至图像处理模型的第一网络，得到第一图像对应的深度图；将第一图像和训练序列中的第二图像输入至图像处理模型的第二网络，得到第一图像到第二图像的位姿变换矩阵；基于第二图像、深度图和位姿变换矩阵，生成合成图像；基于第一图像和合成图像，确定图像处理模型的第一损失函数；基于第一损失函数，对图像处理模型的网络权重进行更新。

根据本申请实施例的另一方面，还提供了一种数据处理方法，包括：接收处理请求；基于处理请求获取训练序列和图像处理模型；利用训练序列对图像处理模型进行训练，得到图像处理模型的网络权重，其中，图像处理模型用于将训练序列中的第一图像输入至第一网络，得到第一图像对应的深度图，并将第一图像和训练序列中的第二图像输入至第二网络，得到第一图像到第二图像的位姿变换矩阵，图像处理模型的第一损失函数由第一图像，和，基于第二图像、深度图和位姿变换矩阵生成的合成图像确定；输出训练好的图像处理模型。

根据本申请实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的图像处理方法。

根据本申请实施例的另一方面，还提供了一种计算设备，包括：存储器和处理器，处理器用于运行存储器中存储的程序，其中，程序运行时执行上述的图像处理方法。