[发明专利]一种双目图像处理方法、装置、设备和存储介质

说明书

本发明实施例公开了一种双目图像处理方法、装置、设备和存储介质，该方法包括：获取待处理的双目图像；分别对双目图像中的左图像和右图像进行特征提取，确定左图像对应的第一左特征图和右图像对应的第一右特征图；将第一左特征图和第一右特征图输入至预设注意力网络模型中，基于第一左特征图与第一右特征图中位置相对应的两个特征点之间的特征差值以及预先设置的特征差值与权重值之间的对应关系，确定左权重矩阵和右权重矩阵，并基于左权重矩阵和右权重矩阵分别对第一左特征图和第一右特征图进行注意力处理；根据预设注意力网络模型的输出，获得注意力处理后的左右特征图，从而可以抑制包含视差边缘的特征，提高视差估计的准确性。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种双目图像处理方法、装置、设备和存储介质。

背景技术

随着计算机视觉的快速发展，可以通过立体匹配方式估计视差图，重构场景的三维几何信息。

目前，可以利用深度卷积网络模型直接预测场景的稠密视差图，从而基于深度学习的立体匹配方式可以实现更加精确的视差估计。

然而，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

当采集的双目图像中包含视差边缘区域，比如建筑物边缘、电线杆边缘、物体外轮廓等时，对双目图像进行特征提取，获得的包含视差边缘的特征往往会对后续的代价聚合体的计算引入嘈杂甚至错误的信息，最终降低视差估计的准确性。

发明内容

本发明实施例提供了一种双目图像处理方法、装置、设备和存储介质，以抑制包含视差边缘的特征，提高视差估计的准确性。

第一方面，本发明实施例提供了一种双目图像处理方法，包括：

获取待处理的双目图像；

分别对所述双目图像中的左图像和右图像进行特征提取，确定所述左图像对应的第一左特征图和所述右图像对应的第一右特征图；

将所述第一左特征图和所述第一右特征图输入至预设注意力网络模型中进行特征注意力处理，所述预设注意力网络模型用于：基于所述第一左特征图与所述第一右特征图中位置相对应的两个特征点之间的特征差值以及预先设置的特征差值与权重值之间的对应关系，确定所述第一左特征图对应的左权重矩阵和所述第一右特征图对应的右权重矩阵，并基于所述左权重矩阵和所述右权重矩阵分别对所述第一左特征图和所述第一右特征图进行注意力处理；

根据所述预设注意力网络模型的输出，获得注意力处理后的左右特征图。

第二方面，本发明实施例还提供了一种双目图像处理装置，包括：

双目图像获取模块，用于获取待处理的双目图像；

特征提取模块，用于分别对所述双目图像中的左图像和右图像进行特征提取，确定所述左图像对应的第一左特征图和所述右图像对应的第一右特征图；

特征图输入模块，用于将所述第一左特征图和所述第一右特征图输入至预设注意力网络模型中进行特征注意力处理，所述预设注意力网络模型用于：基于所述第一左特征图与所述第一右特征图中位置相对应的两个特征点之间的特征差值以及预先设置的特征差值与权重值之间的对应关系，确定所述第一左特征图对应的左权重矩阵和所述第一右特征图对应的右权重矩阵，并基于所述左权重矩阵和所述右权重矩阵分别对所述第一左特征图和所述第一右特征图进行注意力处理；

特征图输出模块，用于根据所述预设注意力网络模型的输出，获得注意力处理后的左右特征图。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；