首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习的双目视差的估计方法、装置、设备及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京超星未来科技有限公司

摘要:本发明实施例提供了一种基于深度学习的双目视差的估计方法、装置、设备及介质,涉及视觉图像处理技术领域,其中,该方法包括;对左目图像和右目图像采用各自的特征提取模型进行图像特征提取,得到左目特征图和右目特征图;对单路特征图进行横向偏移,得到偏移后的单路特征图,将偏移后的单路特征图与剩余特征图进行逐点相乘,得到代价矩阵,单路特征图为左目特征图和右目特征图中的一个特征图,剩余特征图为左目特征图和右目特征图中的另一个特征图;采用解码融合模型融合代价矩阵和剩余特征图,得到基于剩余特征图的双目视差。该方案有助于提升输出的密集视差的准确性,可以大量减少计算量、模型部署时CPU和DDR带宽资源的占用。

主权项:1.一种基于深度学习的双目视差的估计方法,其特征在于,包括:对左目图像和右目图像分别采用各自的特征提取模型进行图像特征提取,得到左目特征图和右目特征图,其中,所述特征提取模型包括多个串联的二维神经网络模块;对单路特征图进行横向偏移,得到偏移后的单路特征图,将偏移后的单路特征图与剩余特征图进行逐点相乘,得到代价矩阵,其中,所述单路特征图为所述左目特征图和所述右目特征图中的一个特征图,所述剩余特征图为所述左目特征图和所述右目特征图中的另一个特征图;采用融合解码模型融合所述代价矩阵和所述剩余特征图,得到基于所述剩余特征图的双目视差,其中,所述融合解码模型包括多个串联的二维神经网络模块。

全文数据:

权利要求:

百度查询: 北京超星未来科技有限公司 基于深度学习的双目视差的估计方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。