[发明专利]图像处理方法和装置以及存储介质在审

专利信息
申请号: 201811654203.7 申请日: 2018-12-29
公开(公告)号: CN111382654A 公开(公告)日: 2020-07-07
发明(设计)人: 杨武魁;梁明阳;吴立威 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06T7/55
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 以及 存储 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

获取双目摄像头的第一图像传感器采集到的第一图像和所述双目摄像头的第二图像传感器采集到的第二图像,其中,所述第一图像和所述第二图像具有不同的模态;

对所述第一图像进行特征提取得到第一特征数据,并对所述第二图像进行特征提取得到第二特征数据;

根据所述第一特征数据和所述第二特征数据,确定所述第一图像和所述第二图像之间的第一视差。

2.根据权利要求1所述的方法,其特征在于,所述对所述第一图像进行特征提取得到第一特征数据,并对所述第二图像进行特征提取得到第二特征数据,包括:

利用第一特征提取算法对所述第一图像进行特征提取,得到第一特征数据,并利用不同于所述第一特征提取算法的第二特征提取算法对所述第二图像进行特征提取,得到第二特征数据。

3.根据权利要求2所述的方法,其特征在于,所述利用第一特征提取算法对所述第一图像进行特征提取,得到第一特征数据,并利用不同于所述第一特征提取算法的第二特征提取算法对所述第二图像进行特征提取,得到第二特征数据,包括:

利用图像处理神经网络中的第一特征提取子网络对所述第一图像进行特征提取,得到第一特征数据,并利用所述神经网络中的第二特征提取子网络对所述第二图像进行特征提取,得到第二特征数据。

4.根据权利要求1所述的方法,其特征在于,所述对所述第一图像进行特征提取得到第一特征数据,并对所述第二图像进行特征提取得到第二特征数据,包括:

将所述第一图像和所述第二图像分别进行归一化处理,以使得归一化处理后的所述第一图像和归一化处理后的所述第二图像具有统一的分布;

利用图像处理神经网络中的特征提取子网络对归一化处理后的所述第一图像进行特征提取,得到第一特征数据,并利用所述特征提取子网络对归一化处理后的所述第二图像进行特征提取,得到第二特征数据。

5.根据权利要求3-4任一项所述的方法,其特征在于,在所述获取双目摄像头的第一图像传感器采集到的第一图像和所述双目摄像头的第二图像传感器采集到的第二图像之前,还包括:

利用包括多个训练样本的训练样本集训练所述图像处理神经网络,其中,所述训练样本包括样本图像对和深度传感器采集到的深度图。

6.根据权利要求5所述的方法,其特征在于,所述利用包括多个训练样本的训练样本集训练所述图像处理神经网络,包括:

基于所述训练样本集中的第一训练样本包括的第一深度图像,得到第二视差;

通过所述图像处理神经网络对所述第一训练样本包括的样本图像对进行处理,得到预测视差;

基于所述第二视差和预测视差,调整所述图像处理神经网络的参数。

7.一种图像处理方法,其特征在于,包括:

获取双目摄像头采集到的第一图像和第二图像,其中,所述第一图像和所述第二图像具有不同的模态;

利用图像处理神经网络对所述第一图像和所述第二图像进行双目匹配处理,得到所述第一图像和所述第二图像的第一视差;

其中,所述图像处理神经网络是通过对训练样本集进行训练得到的,其中,所述训练样本集包括所述双目摄像头采集到的样本图像对和深度传感器采集到的深度图。

8.一种图像处理装置,其特征在于,包括用于执行如权利要求1-7任一项所述的方法的单元。

9.一种图像处理装置,其特征在于,包括处理器和存储器,其中,所述存储器用于存储计算机程序代码,所述处理器被配置用于调用所述计算机程序代码,执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机可读指令,所述指令被处理器调用时,所述处理器执行如权利要求1-7任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811654203.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top