[发明专利]自适应立体匹配优化方法及其装置、设备和存储介质

说明书

本申请提供了一种自适应立体匹配优化方法及其装置、设备和存储介质，通过获取同一目标场景的至少两个视角的图像，据以计算得到对应所述目标场景中各像素的视差值的范围，然后通过自适应立体匹配模型实时调整所述目标场景中各像素的视差值的范围，进而得到优化的深度值的范围；其中，依据处理系统的资源约束条件，利用DVFS算法实时调整所述自适应立体匹配模型中的执行周期，和/或通过卷积神经网络针对多种场景图像数据集进行训练，以使所述自适应立体匹配模型中的特定函数参数实时依据所获取的不同场景图像进行相应调整。本申请能够在满足处理系统的系统资源约束条件，根据不同场景图像像素灵活调整输出质量，极大提高了深度估算的精度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种自适应立体匹配优化方法及其装置、设备和存储介质。

背景技术

立体匹配是智能车辆找到附近物体深度的有效的方法，其将传统的立体匹配算法转化为自适应的立体匹配算法，可以最大限度地提高立体匹配的质量(深度的精度)。自适应立体匹配(ASM)任务的执行周期越长，质量越高。但是，支持这种自适应功能是非常具有挑战的。一方面，在质量和执行周期之间很难得到精确的模型；另一方面，在智能汽车严格的时序和能源约束下，如何在多处理器上调度ASM任务以产生最大的执行周期是一个挑战。

尽管自适应立体匹配(ASM)具有较高应用前景，但想要在智能车辆系统中得到最优、最实用的应用，还需要解决几个重要问题，其中包括：(1)精确建模输出质量自适应与执行周期的关系；(2)优化确定达到质量最大化的系统执行参数，如处理器工作电压/执行频率等；(3)准确估计质量函数模型的参数。由于参数依赖于输入图像，因此对立体匹配的大量分析仍然可能导致精度不高。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种自适应立体匹配优化方法及其装置、设备和存储介质，用于解决现有自适应立体匹配输出质量不高、深度估算精度低的问题。

为实现上述目的及其他相关目的，本申请提供一种自适应立体匹配优化方法，应用于处理系统，所述方法包括：获取同一目标场景的至少两个视角的图像，据以计算得到对应所述目标场景中各像素的视差值的范围；通过自适应立体匹配模型实时调整所述目标场景中各像素的视差值的范围，进而得到优化的深度值的范围；其中，依据处理系统的资源约束条件，利用DVFS算法实时调整所述自适应立体匹配模型中的执行周期；和/或，通过卷积神经网络针对多种场景图像数据集进行训练，以使所述自适应立体匹配模型中的特定函数参数实时依据所获取的不同场景图像进行相应调整。

于本申请的一实施例中，所述处理系统的资源约束条件包括：能量约束、响应时间约束、及热量约束。

于本申请的一实施例中，所述自适应立体匹配模型为指数函数模型，其具体公式为：其中，a,b,m为特定函数参数；o为执行周期。

于本申请的一实施例中，所述处理系统的资源约束条件包括：能量约束、响应时间约束、及热量约束；所述利用DVFS算法实时调整所述自适应立体匹配模型中的执行周期的方法包括：将指数函数模型转变为质量QP模型，得到质量公式如下：其中，a_i,b_i为特定函数参数；o_i为初始执行周期；△o_i为需改进的执行周期；经泰勒公式展开并进行一定次数的推导，得到变换公式如下：所述变换公式需满足所述处理系统的资源约束条件。