公开(公告)号：CN110533663B

公开(公告)日：2022-03-04

申请号：CN201810515532.7

申请日：2018-05-25

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 张奎 ,  熊江 ,  杨平 ,  谢迪

IPC: G06T7/10

Abstract: 本申请实施例提供了一种图像视差确定方法、装置、设备及系统，方法包括：利用预设损失函数，基于多对样本图像、以及该多对样本图像的分割结果，对预设结构的初始视差网络进行训练，得到视差网络模型，图像的分割结果包括：图像中每个像素点所属平面的信息；利用该视差网络模型确定图像视差，可以识别像素点所属的平面，对于一些弱纹理区域来说，识别其像素点所属的平面后，便可以较准确地确定弱纹理区域的视差图，因此，本方案提高了视差准确性。

公开(公告)号：CN110533701A

公开(公告)日：2019-12-03

申请号：CN201810515541.6

申请日：2018-05-25

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 张奎 ,  熊江 ,  杨平 ,  谢迪

IPC: G06T7/33

Abstract: 本发明实施例提供了一种图像视差确定方法、装置、设备及系统，本方案中，如果图像中存在遮挡，则该遮挡区域像素点对应到初始视差图中即为非匹配点，利用与非匹配点距离较近的匹配点对非匹配点进行填充处理，也就是利用匹配正常的视差值对遮挡区域对应的视差值进行填充，这样，提高了遮挡区域对应视差的准确度，进而提高了图像之间视差准确度。

公开(公告)号：CN110335228A

公开(公告)日：2019-10-15

申请号：CN201810276957.7

申请日：2018-03-30

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 张奎 ,  熊江 ,  杨平 ,  谢迪

IPC: G06T7/00 ,  G06N3/08

Abstract: 本发明实施例提供了一种图像视差的确定方法、装置及系统，本实施例中利用无监督神经网络，确定多张图像间的视差，无监督神经网络利用损失函数进行训练，不需要真实视差作为监督，损失函数中包含一项或多项误差参数，训练过程中，误差参数逐渐变小，也就是确定视差的准确度变高，因此，应用本实施例确定的视差准确度较高。