摘要
本发明公开了一种基于知识嵌入的双目视觉深度估计方法及系统,该方法使用双目摄像头和旋转激光扫描采集数据,对数据进行预处理,构建数据集并划分训练集和测试集。其次基于卷积神经网络,构建双目视觉深度估计模型,并根据真实视差与预测视差之间的关系,构建物理知识嵌入损失函数。然后使用训练数据集,基于物理知识嵌入对双目视觉深度估计模型进行训练。最后使用训练好的双目视觉深度模型对测试集的立体图像进行预测,获得与原图大小一致的符合场景物理特性的视差图,完成深度估计。本发明能够获得符合场景物理特性的视差图,提高了视差估计的精度以及模型的泛化性能。
技术关键词
视觉深度估计方法
门控制循环单元
双目摄像头
预测误差
物理
旋转激光扫描仪
卷积特征
编码器
密集特征
上下文特征
模型训练模块
结构模块
深度估计系统
双目深度估计
数据采集模块
立体图像
门控循环单元
索引
系统为您推荐了相关专利信息
网络攻击识别方法
门控循环单元
GRU模型
网络攻击识别系统
重要性评估方法
测试评估系统
面向无人机
决策算法
生成参数
模式
网络设备
通信方法
通信接口
物理下行共享信道
终端设备