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！

摘要：本发明提供了一种自监督单目景深位姿估计方法，通过将获取的原始特征图片输入预先建立好的自监督单目景深估计网络模型fD和自监督单目位姿估计网络模型fP中进行特征提取，输出带有景深和位姿估计结果的特征图。其中自监督单目景深估计网络模型fD和自监督单目位姿估计网络模型fP均包括2D卷积模块、基础残差模块、Block_E模块和Block_M模块。对输入的图片进行景深估计和位姿估计，在网络模型的跳跃连接中仅使用主要特征，减少了特征提取和特征解码过程中网络计算量和模型存储量，同时可在计算存储资源受限的端侧设备中同时推理并更新模型，解决算法计算与存储开销过大无法在端侧实时运行的问题。

主权项：1.一种自监督单目景深位姿估计方法，其特征在于，包括：获取原始特征图片；将原始特征图片输入预先建立好的自监督单目景深估计网络模型fD和自监督单目位姿估计网络模型fP中进行特征提取，输出带有景深和位姿估计结果的特征图；所述自监督单目景深估计网络模型fD和自监督单目位姿估计网络模型fP均包括2D卷积模块、基础残差模块、Block_E模块和Block_M模块；所述Block_E模块和Block_M模块均包括Block0模块；所述Block0模块的构建方法包括：输入维数为C0*H0*W0的特征图，经过2D卷积模块，得到维数为C02*H0*W0的特征图，记作特征图F；特征图F依次经过逐深度卷积层和归一化层得到维度C04*H0*W0的特征图F1；特征图F依次经过逐点卷积层和归一化层得到维度C04*H0*W0的特征图F2；将特征图F、特征图F1以及特征图F2；沿着通道方向串联，得到维数为C0*H0*W0的特征图F3；将特征图F3沿着通道方向做随机洗牌操作，得到维数为C0*H0*W0的输出特征图F4；所述Block_E模块的构建方法包括：维数为C1*H1*W1的输入特征图E0经过2D卷积模块，得到维数为C2*H2*W2的特征图E1；将特征图E1输入所述Block0，得到维数为C2*H2*W2的特征图E2和维数为C22*H2*W2的主要特征图E3；将维数为C1*H1*W1的输入特征图E0经过逐点卷积层，得到维数为C2*H2*W2的特征图E4；将特征图E3和特征图E4逐像素相加，再经过一个激活函数，得到维数为C2*H2*W2的特征图E5，作为模块Block_E的输出特征图；所述Block_M模块的构建方法包括：维数为C3*H3*W3的输入特征图M0依次经过所述Block0、激活函数以及所述Block0，得到维数为C3*H3*W3的特征图M1；将维数为C3*H3*W3的输入特征图M0和特征图M1逐像素相加，再经过一个激活函数，得到维数为C3*H3*W3的特征图M2，作为模块Block_M的输出特征图。

全文数据：

权利要求：

百度查询： 昆山市工业技术研究院有限责任公司 一种自监督单目景深位姿估计方法