本申请适用于计算机视觉领域，提供了一种视差图获取方法、装置、终端和存储介质。其中，该视差图获取方法包括：通过对基于左视点图像和右视点图像进行代价计算得到的第一代价空间进行降维操作，并基于降维后的第一代价空间进行代价聚合等操作，再基于双边格网进行上采样，计算出左视点图像和右视点图像之间的第一视差图。本申请的实施例提供的方法能够在保障视差图精度的同时，提高获取视差图的实时性。提高获取视差图的实时性。提高获取视差图的实时性。
【技术实现步骤摘要】
一种视差图获取方法、装置、终端和存储介质
[0001]本申请属于计算机视觉领域，尤其涉及一种视差图获取方法、装置、终端和存储介质。
技术介绍
[0002]视差(Disparity)是指从有一定距离的两个点上观察同一个目标所产生的方向差异。视差图(disparity map)是以左视点图像和右视点图像对中任一幅图像为基准，元素值为视差值的图像。由于视差值包含了场景的距离信息，因此获取视差图，并基于视差图计算深度图是双目视觉研究中最为活跃的领域。
[0003]视差图的精度影响后期三维重建的效果，视差图获取的速度保证了双目视觉系统处理采集信息的实时性。然而，目前获取视差图的方法精度和速度呈彼此制约关系，而高精度的视差图算法多使用图割法或置信度传播等全局方法，运行速度缓慢，需要几分钟才能处理一帧图像，不能满足实时性的要求。
技术实现思路
[0004]本申请实施例提供一种视差图获取方法、装置、终端和存储介质，可以在保障视差图精度的同时，提高获取视差图的实时性。
[0005]本申请实施例第一方面提供一种视差图获取方法，包括：
[0006]获取左视点图像和右视点图像，并将所述左视点图像和所述右视点图像输入特征提取网络，获取所述特征提取网络输出的所述左视点图像对应的左特征图像和所述右视点图像对应的右特征图像；
[0007]基于所述左特征图像和所述右特征图像进行代价计算，得到所述左特征图像和所述右特征图像的第一代价空间；
[0008]对所述第一代价空间进行降维，并对降维后的所述第一代价空间进行代价聚合，得到第二代价空间；
[0009]建立所述第二代价空间对应的双边格网，并对所述双边格网进行插值操作，得到第三代价空间；
[0010]利用所述第三代价空间计算所述左视点图像和所述右视点图像对应的第一视差图。
[0011]本申请实施例第二方面提供的一种视差图获取装置，包括：
[0012]特征提取模块，用于获取左视点图像和右视点图像，并将左视点图像和右视点图像输入视差图获取模型的特征提取网络中，由特征提取网络输出的左视点图像对应的左特征图像和右视点图像对应的右特征图像。
[0013]代价计算模块，用于通过视差图获取模型，基于左特征图像和右特征图像进行代价计算，得到左特征图像和右特征图像的第一代价空间。
[0014]代价聚合模块，用于通过视差图获取模型，对第一代价空间进行降维，并对降维后
的第一代价空间进行代价聚合，得到第二代价空间。
[0015]双边格网模块，用于通过视差图获取模型，建立第二代价空间对应的双边格网，并对双边格网进行插值操作，得到第三代价空间；
[0016]视差图获取模块，用于通过视差图获取模型，利用第三代价空间计算左视点图像和右视点图像对应的第一视差图。
[0017]本申请实施例第三方面提供一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0018]本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0019]本申请实施例第五方面提供了一种计算机程序产品，当计算机程序产品在终端上运行时，使得终端执行时实现方法的步骤。
[0020]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
[0021]本申请的实施方式中，通过对基于左视点图像和右视点图像进行代价计算得到的第一代价空间进行降维操作，并基于降维后的第一代价空间进行代价聚合等操作，再基于双边格网进行上采样，计算出左视点图像和右视点图像之间的第一视差图，使得可以在降维后得到的低分辨率的代价空间中进行运算，提高获取视差图的速率，同时利用双边格网进行上采样，保障了视差图的精度。因此，本申请提供的方法能够在保障视差图准确性的同时，提高视差图获取的实时性。
附图说明
[0022]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1是本申请实施例提供的一种视差图获取方法的实现流程示意图；
[0024]图2是本申请实施例提供的步骤S104的具体实现流程示意图；
[0025]图3是本申请实施例提供的步骤S105的具体实现流程示意图；
[0026]图4是本申请实施例提供的步骤S102的具体实现流程示意图；
[0027]图5是本申请实施例提供的基于视差图获取模型获取视差图的实现流程示意图；
[0028]图6是本申请实施例提供的一种视差图获取装置的结构示意图；
[0029]图7是本申请实施例提供的终端的结构示意图。
具体实施方式
[0030]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0031]视差(Disparity)是指从有一定距离的两个点上观察同一个目标所产生的方向差异。视差图(disparity map)是以左视点图像和右视点图像对中任一幅图像为基准，元素值为视差值的图像。由于视差值包含了场景的距离信息，因此获取视差图，并基于视差图计算深度图是双目视觉研究中最为活跃的领域。
[0032]视差图的精度影响后期三维重建的效果，视差图获取的速度保证了双目视觉系统处理采集信息的实时性。然而，目前获取视差图的方法精度和速度呈彼此制约关系，而高精度的视差图算法多使用图割法或置信度传播等全局方法，运行速度缓慢，需要几分钟才能处理一帧图像，不能满足实时性的要求。
[0033]为了说明本申请的技术方案，下面通过具体实施例来进行说明。
[0034]图1示出了本申请实施例提供的一种视差图获取方法的实现流程示意图，该方法可以应用于终端，可适用于需在保障视差图精度的同时，提高获取视差图的实时性的情形。
[0035]其中，上述终端可以为电脑、智能手机等终端。
[0036]具体的，上述视差图获取方法可以包括以下步骤S101至步骤S105。
[0037]步骤S101，获取左视点图像和右视点图像，并将左视点图像和右视点图像输入特征提取网络，获取特征提取网络输出的左视点图像对应的左特征图像和右视点图像对应的右特征图像。
[0038]在本申请的实施方式中，为了计算出左视点图像和右视点图像之间的视差，需要先对左视点图像和右视点图像进行特征提取。具体的，本申请通过将左视点图像和右视点图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视差图获取方法，其特征在于，包括：获取左视点图像和右视点图像，并将所述左视点图像和所述右视点图像输入特征提取网络，获取所述特征提取网络输出的所述左视点图像对应的左特征图像和所述右视点图像对应的右特征图像；基于所述左特征图像和所述右特征图像进行代价计算，得到所述左特征图像和所述右特征图像的第一代价空间；对所述第一代价空间进行降维，并对降维后的所述第一代价空间进行代价聚合，得到第二代价空间；建立所述第二代价空间对应的双边格网，并对所述双边格网进行插值操作，得到第三代价空间；利用所述第三代价空间计算所述左视点图像和所述右视点图像对应的第一视差图。2.如权利要求1所述的视差图获取方法，其特征在于，所述建立所述第二代价空间对应的双边格网，并对所述双边格网进行插值操作，得到第三代价空间，包括：对所述第二代价空间进行卷积操作，得到所述第二代价空间对应的双边格网；获取引导图，并利用所述引导图对所述双边格网进行插值操作，得到所述第三代价空间。3.如权利要求1所述的视差图获取方法，其特征在于，所述左特征图像包括所述特征提取网络各个卷积层输出的左特征子图像，所述右特征图像包括所述特征提取网络各个卷积层输出的右特征子图像，所述基于所述左特征图像和所述右特征图像进行代价计算，得到所述左特征图像和所述右特征图像的第一代价空间，包括：对所述左特征子图像和所述右特征子图像分别进行拼接处理，得到所述左特征图像对应的左一元特征图和所述右特征图像对应的右一元特征图；在每个视差级别下对所述的左一元特征图中的左一元特征和所述右一元特征图中的右一元特征进行级联，得到具有级联关系的特征对；对所述特征对进行分组，得到多个特征组，并对各个特征组中各个特征对内的左一元特征和右一元特征进行代价计算，得到所述第一代价空间。4.如权利要求3所述的视差图获取方法，其特征在于，所述对各个特征组中各个特征对内的左一元特征和右一元特征进行代价计算，包括：利用代价计算公式对各个特征组中各个特征对内的左一元特征和右一元特征进行代价计算，得到所述第一代价空间中的每个代价值C
gwc
；其中，d表示视差，表示分组后的所述左一元特征，(x，y)表示所述左一元特征在所述左特征图像中的位置，表示与分组后的所述左一元特征关联的右一元特征，N
C
表示所述左特征图像中所述左一元特征的数量，表示所述特征组的组数，表示一个所述特征组内所述左一元特征的数量。5.如...
【专利技术属性】
技术研发人员：徐彬，杨晓立，余宇山，黄源浩，肖振中，
申请(专利权)人：奥比中光科技集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。