一种基于卷积神经网络的双框架估计深度和运动方法

摘要

本发明中提出的一种基于卷积神经网络的图像像素分类方法，其主要内容包括：图像输入、自助网络处理、迭代处理、图像细化、获得估计结果，其过程为，采用卷积网络估计深度和相机运动，它包含三个阶段：从场景数据集采样图像对并丢弃具有高光一致性误差的图像对；接下来，预处理后的图像对输入自助网络中分别计算光流、深度和相机运动；然后，经由迭代网络多次迭代反复改进现有的估计结果；最后由细化网络精细化后获得高分辨率深度图和运动估计。本发明的网络明显优于传统的运动结构，结果更准确和更鲁棒；与从单个图像估计深度的网络不同，本网络学习匹配的概念，可以利用运动视差，从而处理新类型的场景，并且允许估计运动。