[发明专利]一种3D深度信息估计方法、装置及计算机设备

说明书

本发明公开了一种3D深度信息估计方法、装置及计算机设备，该方法包括：获取目标行驶物体的2D检测框的尺寸信息以及目标行驶物体的行驶方向角，尺寸信息是在目标行驶物体所处图像的图像坐标系中形成的，行驶方向角是在目标行驶物体的自车坐标系中形成的，图像坐标系和自车坐标系均通过拍摄目标行驶物体的相机对应的相机坐标系标定；根据尺寸信息和目标行驶物体的行驶方向角确定目标行驶物体的3D深度信息。通过实施本发明，不需要训练3D目标检测深度学习网络，提高计算速度，而且图像坐标系和自车坐标系均通过相机坐标系标定，每次的标定过程同时考虑了相机的内参和外参，避免了当换一个相机，相机内参改变，而导致预测的深度信息不准确的问题。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种3D深度信息估计方法、装置及计算机设备。

背景技术

作为计算机视觉研究中的一个重要方向，深度信息估计的主要目标是测出图像中目标物体的深度，获取像素级别的深度图。相关技术中的深度信息估计通常为通过深度学习网络对得到的目标物体的热力图进行定位，得到目标的3D框的中心点坐标和3D框的长宽高。但是训练的深度学习网络通常都是使用固定的相机内参进行训练，例如Centernet3D，训练出来的模型只能在固定场景下使用，如果换一个相机拍摄一张照片或者录制一段视频，使用该模型预测出的深度信息是不准确的，模型适用性差。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中使用固定相机内参训练得到的深度学习网络模型适用性差的缺陷，从而提供一种3D深度信息估计方法、装置及计算机设备。

根据第一方面，本发明公开了一种3D深度信息估计方法，包括如下步骤：获取目标行驶物体的2D检测框的尺寸信息以及所述目标行驶物体的行驶方向角，所述尺寸信息是在目标行驶物体所处图像的图像坐标系中形成的，所述行驶方向角是在目标行驶物体的自车坐标系中形成的，所述图像坐标系和所述自车坐标系均通过拍摄所述目标行驶物体的相机对应的相机坐标系标定；根据所述尺寸信息和所述目标行驶物体的行驶方向角确定目标行驶物体的3D深度信息。

可选地，所述获取所述目标行驶物体的行驶方向角，包括：获取所述目标行驶物体沿所述自车坐标系的目标坐标轴的第一速度分量和第二速度分量，所述目标坐标轴与所述图像坐标系的坐标轴方向相同；根据所述第一速度分量和所述第二速度分量确定所述目标行驶物体的行驶方向角。

可选地，所述方法还包括：获取待识别图像；将所述待识别图像输入到预设识别模型中进行识别，得到目标行驶物体的2D检测框的尺寸信息。

可选地，所述图像坐标系下的行驶方向角通过如下步骤确定：获取所述2D检测框中的任一地面点的第一坐标；根据预设算法对所述第一坐标进行转换，得到所述任一地面点的坐标在所述自车坐标系对应的第二坐标；在所述自车坐标系中选取第三坐标；根据所述第二坐标、所述第三坐标以及所述目标行驶物体的行驶方向角，在所述自车坐标系中选取第四坐标；根据所述预设算法对所述第三坐标、所述第四坐标进行转换，得到所述第三坐标在图像坐标系中的第五坐标和所述第四坐标在图像坐标系中的第六坐标；根据所述第一坐标、所述第五坐标以及所述第六坐标，确定所述目标行驶物体在所述图像坐标系下的行驶方向角。

可选地，所述根据所述图像坐标系下的行驶方向角以及所述尺寸信息确定所述目标行驶物体的3D深度信息，包括：

；或

其中，表示目标行驶物体的3D深度信息；表示目标行驶物体的2D检测框的尺寸信息中的长度信息；表示目标行驶物体的2D检测框的尺寸信息中的宽度信息；表示图像坐标系下的行驶方向角；n为常数，根据目标行驶物体的2D检测框的尺寸信息中的长度信息与目标行驶物体的3D长度信息确定。

可选地，所述预设算法为：