[发明专利]一种图像信息确定方法、设备和计算机可读存储介质

说明书

本申请实施例公开一种图像信息确定方法，包括：获取样本图像和样本图像的样本深度图、样本图像的样本遮挡边缘二值图和样本图像的样本遮挡边缘方向图；获取每一样本图像的不同层次的样本特征图，基于不同层次的样本特征图、样本深度图、样本遮挡边缘二值图和样本遮挡边缘方向图，对初始遮挡边缘检测模型和初始深度预测模型进行模型训练，得到具有遮挡边缘检测和深度估计功能的目标模型；对待处理图像进行特征提取得到待处理图像的不同层次的待处理特征图；基于目标模型对待处理特征图进行处理得到待处理图像的深度图、待处理图像的遮挡边缘二值图和待处理图像的遮挡边缘方向图。本申请实施例还公开一种图像信息确定设备和计算机可读存储介质。

技术领域

本申请涉及通信领域中的图像信息确定技术，尤其涉及一种图像信息确定方法、设备和计算机可读存储介质。

背景技术

估计场景深度作为场景理解中最为底层的任务，目前工业上常用双目相机或者高质量激光雷达来获取。但是双目相机受双目基线的限制，深度估计的范围有限；高质量的激光雷达在价格上又是居高不下，很难大规模的运用在各种场景中。基于此，目前提出了一个计算机视觉基础任务-单目深度估计任务。且，相关技术中的深度学习的单目深度估计的方法的主要思路基本都是基于编码器-解码器的网络架构，利用损失函数约束预测深度图和实际深度图之间的差距来确定深度值的。同时，遮挡边缘检测是基于图像边缘检测提出的更具有挑战性的任务，具体是需要定位感兴趣前景物体的边缘，同时对边缘两侧的前景背景或者前景前景在空间中的前后关系表达出来。

但是，相关技术的遮挡边缘检测的方案中无法充分利用遮挡边缘和深度方向之间的关联性，特征提取器也无法充分提取相关特征。并且，现有的单目深度估计方案因为具有深度落差(也就是遮挡边缘)，导致深度图存在比较严重的失真。

发明内容

为解决上述技术问题，本申请实施例期望提供一种图像信息确定方法、设备和计算机可读存储介质，解决了相关技术中存在无法充分利用遮挡边缘和深度方向之间的关联性，且深度图存在比较严重的失真的问题，充分利用了遮挡边缘和深度方向之间的关联性，减少了遮挡边缘的误检和漏检情况的发生，且提高了深度图的回归精度。

本申请的技术方案是这样实现的：

一种图像信息确定方法，所述方法包括：

获取样本图像和所述样本图像的样本深度图、所述样本图像的样本遮挡边缘二值图和所述样本图像的样本遮挡边缘方向图；

获取每一样本图像的不同层次的样本特征图，并基于所述不同层次的样本特征图、所述样本深度图、所述样本遮挡边缘二值图和所述样本遮挡边缘方向图，对初始遮挡边缘检测模型和初始深度预测模型进行模型训练，得到目标模型；其中，所述目标模型具有遮挡边缘检测和深度估计功能；

对待处理图像进行特征提取，得到所述待处理图像的不同层次的待处理特征图；

基于所述目标模型对所述待处理特征图进行处理，得到所述待处理图像的深度图、所述待处理图像的遮挡边缘二值图和所述待处理图像的遮挡边缘方向图。

上述方案中，所述获取每一样本图像的不同层次的样本特征图，包括：

采用残差网络对所述每一样本图像进行特征提取，得到所述每一样本图像的不同层次的样本特征图。

上述方案中，所述基于所述不同层次的样本特征图、所述样本深度图、所述样本遮挡边缘二值图和所述样本遮挡边缘方向图，对初始遮挡边缘检测模型和初始深度预测模型进行模型训练，得到目标模型，包括：

基于第一特征解码器、第二特征解码器和所述样本特征图中目标层次的特征图，得到第一中间特征图和第二中间特征图；其中，所述初始遮挡边缘检测模型中包括所述第一特征解码器；所述初始深度预测模型中包括所述第二特征解码器；

采用所述初始遮挡边缘检测模型中的特征融合模块对所述样本图像的每一层次的特征图进行处理，得到融合特征图；