公开(公告)号：CN110009674A

公开(公告)日：2019-07-12

申请号：CN201910256117.9

申请日：2019-04-01

Applicant: 厦门大学 ,  厦门万久科技股份有限公司

Inventor： 仲训昱 ,  杨德龙 ,  殷昕 ,  彭侠夫 ,  邹朝圣

IPC: G06T7/593

Abstract: 本发明公开一种基于无监督深度学习的单目图像景深实时计算方法，利用双目序列图像之间的几何约束关系构造监督信号，取代传统的人工标记数据集，完成了无监督算法设计；在Depth-CNN网络中的，损失函数除了考虑图像之间的几何约束，还设计了针对左右图像的景深估计结果一致性约束项，提高算法精确度；以Depth-CNN的输出作为Pose-CNN输入的一部分，构造整体的目标函数，同时使用双目图像之间的几何关系和序列图像之间的几何关系构造监督信号，进一步提高的算法的精确度以及鲁棒性。

公开(公告)号：CN110009674B

公开(公告)日：2021-04-13

申请号：CN201910256117.9

申请日：2019-04-01

Applicant: 厦门大学 ,  厦门万久科技股份有限公司

Inventor： 仲训昱 ,  杨德龙 ,  殷昕 ,  彭侠夫 ,  邹朝圣

IPC: G06T7/593

Abstract: 本发明公开一种基于无监督深度学习的单目图像景深实时计算方法，利用双目序列图像之间的几何约束关系构造监督信号，取代传统的人工标记数据集，完成了无监督算法设计；在Depth‑CNN网络中的，损失函数除了考虑图像之间的几何约束，还设计了针对左右图像的景深估计结果一致性约束项，提高算法精确度；以Depth‑CNN的输出作为Pose‑CNN输入的一部分，构造整体的目标函数，同时使用双目图像之间的几何关系和序列图像之间的几何关系构造监督信号，进一步提高的算法的精确度以及鲁棒性。