利用深度学习对视频序列中单目视图深度估计优化方法

摘要

本发明涉及一种利用深度学习对视频序列中单目视图深度估计优化方法，包括：步骤S1：通过一个深度估计神经网络对单目视图Lt进行深度估计，得到与Lt相同分辨率的深度图；步骤S2：将单目视图Lt与相邻帧的单目视图Lt+1作为位姿估计网络的输入，得到两帧视图间相机的相对位姿变化，其中，位姿变化包括相对位移和旋转；步骤S3：利用Lt的深度图，以及单目视图Lt与相邻帧的单目视图Lt+1的相对位姿变化对Lt进行重构，得到单目视图Lt重构后的视图Lt'；步骤S4：通过特定卷积神经网络VGG‑16分别得到Lt和Lt'的特征图，利用特征图欧式距离上的对比及两视图像素级的误差，作为损失函数以优化深度估计神经网络和位姿估计网络。与现有技术相比，本发明避免了深度信息采集的高昂代价。