[发明专利]生成图像的方法、装置及电子设备

说明书

公开了一种生成图像的方法，包括：确定第一图像中的每一像素点的反射信息；根据所述第一图像、所述第一图像对应的表面法线图和所述反射信息，确定在拍摄所述第一图像所在场景中的光源信息；根据所述第一图像、所述表面法线图、所述反射信息和所述光源信息，对所述第一图像中需要添加的预设物体模型进行编辑渲染，得到第二图像；根据所述第一图像对应的第一深度图像和所述预设物体模型，得到与所述第二图像对应的第二深度图像。可以根据需要在第一图像的不同位置中添加不同的预设物体模型，可得到大量的第二图像和第二深度图像，可以节省训练神经网络时的时间和精力、可以降低成本、可降低第二深度图像存在误差的可能性、避免额外的对抗训练。

技术领域

本发明涉及图像处理技术领域，具体涉及一种生成图像的方法、装置及电子设备。

背景技术

近年来，以深度学习为中心的机器学习技术引起了人们的关注。通过深度学习，可以判断当前车辆与周围车辆、行人和障碍物的距离，使得自动驾驶汽车逐渐成为可能。在所有深度学习的方法中，基于单目图像的深度估计算法，具有方便部署、计算成本低等优点，受到了学术界和工业界日益增长的关注。

现有的基于单目图像的深度估计算法，需要大量的图像和深度图像(带有深度标注的数据)来训练深度估计神经网络模型，而这类训练数据的采集费时费力、成本高，且受噪声等因素影响，得到的深度图像容易存在误差。

发明内容

为了解决上述技术问题，本申请实施例提供了一种生成图像的方法、装置及电子设备。

根据本申请的一个方面，提供了一种生成图像的方法，包括：确定第一图像中的每一像素点的反射信息；根据所述第一图像、所述第一图像对应的表面法线图和所述反射信息，确定在拍摄所述第一图像所在场景中的光源信息；根据所述第一图像、所述表面法线图、所述反射信息和所述光源信息，对所述第一图像中需要添加的预设物体模型进行编辑渲染，得到第二图像；根据所述第一图像对应的第一深度图像和所述预设物体模型，得到与所述第二图像对应的第二深度图像。

根据本申请的另一个方面，提供了一种生成图像的装置，包括：反射信息确定模块，用于确定第一图像中的每一像素点的反射信息；光源确定模块，用于根据所述第一图像、所述第一图像对应的表面法线图和所述反射信息，确定在拍摄所述第一图像所在场景中的光源信息；第二图像获取模块，用于根据所述第一图像、所述表面法线图、所述反射信息和所述光源信息，对所述第一图像中需要添加的预设物体模型进行编辑渲染，得到第二图像；第二深度图像获取模块，用于根据所述第一图像对应的第一深度图像和所述预设物体模型，得到与所述第二图像对应的第二深度图像。

根据本申请的另一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的方法。

根据本申请的另一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述任一所述的方法。

本申请实施例提供的生成图像的方法，可以根据需要在第一图像的不同位置中添加不同的预设物体模型，因此通过不同的预设物体模型可得到大量的第二图像和第二深度图像，进而将大量的第二图像和第二深度图像作为训练深度估计神经网络模型的标注数据，对深度估计神经网络模型进行训练，从而可以节省训练神经网络时的时间和精力；由于避免了采集大量的样本数据，因此可以降低成本；此外，通过真实的第一图像得到第二深度图像，因此可降低第二深度图像存在误差的可能性，避免了对标注数据进行额外的对抗训练。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本申请一示例性系统的场景示意图。