一种基于多模态融合的图像深度估计方法、装置及设备

一种基于多模态融合的图像深度估计方法、装置及设备，包括基于第一相机图像和第二相机图像确定的共视区域确定第一共视图像和第二共视图像，对第一共视图像进行深度估计，得到第一深度图，对第一共视图像进行语义分割，得到多个第一语义区域，获取第二共视图像对应的第二深度图和多个第二语义区域，对第一深度图进行平滑处理，得到平滑处理后的第一深度图，对第一深度图和平滑处理后的第一深度图进行加权融合，得到第一融合深度图。基于第二深度图和多个第二语义区域生成第二融合深度图，根据第一融合深度图和第二融合深度图构建最终深度估计图。解决采用单种传感器对所处场景进行深度估计时的准确性和鲁棒性较低的技术问题。