[发明专利]图像深度估计模型的训练方法、图像深度信息的处理方法

说明书

本申请公开了一种图像深度估计模型的训练方法、图像深度信息的处理方法、装置、自动驾驶车辆、电子设备、程序产品以及存储介质，涉及自动驾驶、计算机视觉、以及深度学习等人工智能领域。具体实现方案为：将样本环境图像、样本环境图像的样本边缘信息、以及样本环境点云数据输入至待训练模型，由待训练模型确定样本环境图像中每一像素点的初始深度信息、以及每一像素点与其所对应的邻域像素点之间的特征关系，并根据特征关系对每一像素点的初始深度信息进行优化处理，得到每一像素点的优化深度信息，且根据优化深度信息对待训练模型的参数进行调整，得到图像深度估计模型，通过特征关系对深度信息进行优化，提高了优化深度信息的准确性。

技术领域

本申请涉及计算机、图像处理技术，尤其涉及一种图像深度估计模型的训练方法、图像深度信息的处理方法、装置、自动驾驶车辆、电子设备、程序产品以及存储介质，可应用于自动驾驶、计算机视觉、以及深度学习等人工智能领域。

背景技术

图像的深度信息可以理解为，由图像采集器到图像对应的场景中各点的距离。

在现有技术中，深度信息可以被广泛地应用于各个领域，如自动驾驶车辆领域，机器人领域等，在对环境图像的深度信息进行优化处理时，通常采用的方式为：基于坐标计算的方式对环境图像的深度信息进行补全。

然而，基于坐标计算等方式优化得到的深度信息的准确性可能偏低。

发明内容

本申请提供了一种用于提高优化后的图像深度信息的准确性的图像深度估计模型的训练方法、图像深度信息的处理方法、装置、自动驾驶车辆、电子设备、程序产品以及存储介质。

根据本申请的一个方面，提供了一种图像深度估计模型的训练方法，包括：

将获取到的样本环境图像、所述样本环境图像的样本边缘信息、以及样本环境点云数据输入至待训练模型；

由所述待训练模型根据样本环境图像、所述样本环境图像的样本边缘信息、以及样本环境点云数据，确定所述样本环境图像中每一像素点的初始深度信息、以及所述每一像素点与其所对应的邻域像素点之间的特征关系，并根据所述特征关系对所述每一像素点的初始深度信息进行优化处理，得到所述每一像素点的优化深度信息，且根据所述优化深度信息对所述待训练模型的参数进行调整，得到图像深度估计模型；

其中，所述图像深度估计模型用于得到环境图像中各像素点的优化深度信息。

根据本申请的另一方面，提供了一种图像深度信息处理方法，包括：

获取环境图像和环境点云数据，将所述环境图像和所述环境点云数据输入至上述实施例所述方法训练生成的图像深度估计模型，输出所述环境图像中各像素点的优化深度信息。

根据本申请的另一方面，提供了一种图像深度估计模型的训练装置，包括：

输入模块，用于将获取到的样本环境图像、所述样本环境图像的样本边缘信息、以及样本环境点云数据输入至待训练模型；

确定模块，用于由所述待训练模型根据样本环境图像、所述样本环境图像的样本边缘信息、以及样本环境点云数据，确定所述样本环境图像中每一像素点的初始深度信息、以及所述每一像素点与其所对应的邻域像素点之间的特征关系；

优化模块，用于根据所述特征关系对所述每一像素点的初始深度信息进行优化处理，得到所述每一像素点的优化深度信息；

调整模块，用于根据所述优化深度信息对所述待训练模型的参数进行调整，得到图像深度估计模型；

其中，所述图像深度估计模型用于得到环境图像中各像素点的优化深度信息。

根据本申请的另一方面，提供了一种图像深度信息的处理装置，包括：

获取模块，用于获取环境图像和环境点云数据；