[发明专利]深度图像的预测方法、装置、设备和存储介质

权利要求书

1.一种深度图像的预测方法，其特征在于，所述方法包括：

采集目标的RGB图像和第一深度图像；所述第一深度图像中包括所述目标的深度信息，所述RGB图像的采集范围大于所述第一深度图像的采集范围；

根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像；所述第二深度图像的采集范围与所述RGB图像的采集范围大致相同。

2.根据权利要求1所述的方法，其特征在于，所述根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像，包括：

对所述RGB图像和所述第一深度图像进行图像预处理操作，确定预处理后的图像；所述预处理操作包括图像对齐处理以及图像合并处理中的至少一种；

将所述预处理后的图像输入至所述预测算法中，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像。

3.根据权利要求2所述的方法，其特征在于，所述预测算法为神经网络模型；所述将所述预处理后的图像输入至所述预测算法中，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像，包括：

将所述预处理后的图像输入至所述神经网络模型中进行预测，确定所述RGB图像对应的第二深度图像；

其中，所述神经网络模型是通过对样本数据集进行训练得到的，所述样本数据集包括多个样本RGB图像、每个样本RGB图像对应的样本深度图像以及每个样本深度图像对应的标准深度图像，每个所述样本RGB图像的采集范围大于对应的样本深度图像的采集范围，每个所述标准深度图像的采集范围与对应的样本RGB图像的采集范围相同。

4.根据权利要求3所述的方法，其特征在于，所述神经网络模型的训练方式包括：

对各所述样本RGB图像和对应的样本深度图像进行预处理操作，确定预处理后的样本图像；所述预处理操作包括图像对齐处理以及图像合并处理中的至少一种；

将各所述预处理后的样本图像输入至初始神经网络模型中进行预测，确定各所述样本深度图像对应的预测深度图像；

根据各所述预测深度图像和对应的各所述标准深度图像对所述初始神经网络模型进行训练，确定所述神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述根据各所述预测深度图像和对应的各所述标准深度图像对所述初始神经网络模型进行训练，包括：

计算每个所述预测深度图像上的各个像素点和对应的所述标准深度图像上的对应像素点之间的第一损失；

根据所述第一损失对所述初始神经网络模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一损失对所述初始神经网络模型进行训练，包括：

根据各所述预测深度图像确定各所述预测深度图像对应的预测法线贴图；

根据各所述样本深度图像确定各所述标准深度图像对应的标准法线贴图；

计算各所述预测法线贴图和对应的标准法线贴图之间的第二损失；

根据所述第一损失和所述第二损失对所述初始神经网络模型进行训练。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述第二深度图像进行去噪处理。

8.一种深度图像的预测装置，其特征在于，所述装置包括：

采集模块，用于采集目标的RGB图像和第一深度图像；所述第一深度图像中包括所述目标的深度信息，所述RGB图像的采集范围大于所述第一深度图像的采集范围；

预测模块，用于根据所述RGB图像和所述第一深度图像以及预设的预测算法，对所述第一深度图像中深度信息缺失的部分进行预测，确定所述RGB图像对应的第二深度图像；所述第二深度图像的采集范围与所述RGB图像的采集范围大致相同。