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

基于细粒度预测与边缘提取的无监督单目深度估计方法 

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:西安理工大学

摘要:本发明公开了基于细粒度预测与边缘提取的无监督单目深度估计方法,具体为:采用卷积引导层对输入的图像进行特征提取,采用细粒度空间预测模块聚合特征图不同区域的响应,使用U‑net框架产生低级特征和高级特征;采用边缘提取细化模块对低级特征和高级特征进行融合;以输入图像的相邻帧作为参考图像,并将生成的特征图输入位姿估计网络,预测特征信息与参考图像之间的相对位姿;构建损失函数,对模型进行端到端的训练。本发明的方法,能够捕获更多场景几何的上下文信息并显著增强特征表示,从而解决了当前研究中在场景结构建模和细节信息精细处理上的局限,有效减少了模糊伪影现象的出现,提升了场景结构和局部细节的深度估计质量。

主权项:1.基于细粒度预测与边缘提取的无监督单目深度估计方法,其特征在于,具体按照以下步骤实施:步骤1,采用卷积引导层,对输入的RGB图像进行特征提取,生成大小为的特征图,H为特征图的高,W为特征图的宽;步骤2,采用细粒度空间预测模块,聚合步骤1中特征图不同区域的响应,并且使用U-net框架在编码器阶段产生低级特征和高级特征;步骤3,采用边缘提取细化模块对步骤2中的低级特征和高级特征进行融合,恢复深度预测信息;步骤4,以步骤1中的输入图像的相邻帧It'作为参考图像,并将步骤1中生成的特征图I输入位姿估计网络,预测特征信息It与参考图像It'之间的相对位姿Tt→t';步骤5,构建损失函数,对模型进行端到端的训练。

全文数据:

权利要求:

百度查询: 西安理工大学 基于细粒度预测与边缘提取的无监督单目深度估计方法

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。