【技术实现步骤摘要】
本申请涉及计算机视觉领域，具体而言，涉及一种用于光场深度估计的数据处理方法和装置。
技术介绍
1、光场图像是一种包含了光线方向和强度信息的图像，可以捕捉到场景中的所有光线信息，可以用来估计物体的深度。光场深度估计在各个领域中的应用十分广泛，如虚拟现实、增强现实、三维重建等领域广泛应用。
2、在进行光场深度估计时，通过采用神经网络的方式对光场深度进行估计，是现有技术中重要的技术方向。现有技术中采用神经网络的方式对深度进行估计时，在costvolume转换为初始的depth map的过程中，是通过期望实现的，没有考虑过整体的光场特点，使得得到的深度估计结果存在不准确的问题。
3、因此，现有技术中的基于神经网络的光场深度估计存在准确率较低的技术问题。
技术实现思路
1、本申请的主要目的在于提供一种用于光场深度估计的数据处理方法和装置，以解决现有技术基于神经网络的光场深度估计存在准确率较低的技术问题，融合了光线特征，提高了光场深度估计准确率。
2、为了实现上述目的，本申请的第一方面，提出了一种用于光场深度估计的数据处理方法，包括：
3、获取待处理光场数据，其中，所述待处理光场数据为用于表示待进行深度估计光场的数据；
4、对所述待处理光场数据进行基于神经网络模型的深度估计处理，得到过程光场估计深度数据，其中，所述过程光场估计深度数据为用于表示光场估计深度点的数据；
5、对所述过程光场估计深度数据进行深度采样点提取处理，得
6、对所述多个深度采样点数据进行光线特征融合处理，得到多个融合采样点特征数据，其中，所述多个融合采样点特征数据为用于表示融合光线特征的多个采样点特征数据；
7、对所述多个融合采样点特征数据进行基于预设深度估计模型的深度估计处理，得到目标光场估计深度数据。
8、进一步地，对所述多个深度采样点数据进行光线特征融合处理，得到多个融合采样点特征数据包括：
9、对所述多个深度采样点数据进行采样点特征转换处理，得到多个深度采样点特征数据，其中，所述多个深度采样点特征数据为用于表示多个深度采样点的特征数据；
10、对所述多个深度采样点数据进行光线特征转换处理，得到光线特征数据，其中，所述光线特征数据为多个深度采样点对应光线的特征数据，所述多个深度采样点均匀分布于对应光线上；
11、对所述多个深度采样点特征数据和所述光线特征数据进行基于预设注意力模型的特征融合处理，得到所述多个融合采样点特征数据。
12、进一步地，对所述多个深度采样点特征数据和所述光线特征数据进行基于预设注意力模型的特征融合处理，得到所述多个融合采样点特征数据包括：
13、对所述多个深度采样点特征数据进行基于第一注意力模型的特征优化处理，得到多个深度采样点第一过程特征数据，其中，所述多个深度采样点第一过程特征数据为用于表示根据多个深度采样点之间相关性进行优化后的采样点特征数据；
14、将所述光线特征数据分别与所述多个深度采样点第一过程特征数据进行特征拼接处理，得到多个深度采样点第二过程特征数据，其中，所述多个深度采样点第二过程特征数据为用于表示多个深度采样点的第一过程特征拼接光线特征后的采样点特征数据；
15、对所述多个深度采样点第二过程特征数据进行基于第二注意力模型的特征优化处理，得到所述多个融合采样点特征数据。
16、进一步地，对所述多个深度采样点特征数据进行基于第一注意力模型的特征优化处理，得到多个深度采样点第一过程特征数据包括：
17、对所述多个深度采样点特征数据进行第一相关特征提取处理，得到深度采样点相关特征数据，其中，所述深度采样点相关特征数据为用于表示多个深度采样点之间相关性的特征数据；
18、对所述多个深度采样点特征数据进行基于所述深度采样点相关特征数据的特征优化处理，得到所述多个深度采样点第一过程特征数据。
19、进一步地，对所述多个深度采样点第二过程特征数据进行基于第二注意力模型的特征优化处理，得到所述多个融合采样点特征数据包括：
20、对所述多个深度采样点第二过程特征数据进行第二相关特征提取处理，得到拼接相关特征数据，其中，所述拼接相关特征数据为用于表示深度采样点特征和光线特征之间相关性的特征数据；
21、对所述多个深度采样点第二过程特征数据进行基于拼接相关特征数据的特征优化处理，得到所述多个融合采样点特征数据。
22、进一步地，对所述过程光场估计深度数据进行深度采样点提取处理，得到多个深度采样点数据包括：
23、对所述过程光场估计深度数据进行均匀抽样的采样点选取处理，得到深度采样点中心数据，其中，所述深度采样点中心数据为用于表示光场深度探测中心点的数据；
24、对所述深度采样点中心数据进行深度探测区间构建处理，得到深度探测区间；
25、在所述深度探测区间进行基于光线的深度采样点提取处理，得到所述多个深度采样点数据，其中，所述多个深度采样点数据为用于表示多个采样空间深度平面分别与光线的交点的数据。
26、根据本申请的第二方面，提出了一种用于光场深度估计的数据处理装置，包括：
27、数据获取模块，用于获取待处理光场数据，其中，所述待处理光场数据为用于表示待进行深度估计光场的数据；
28、第一深度估计模块，用于对所述待处理光场数据进行基于神经网络模型的深度估计处理，得到过程光场估计深度数据，其中，所述过程光场估计深度数据为用于表示光场估计深度点的数据；
29、采样点提取模块，用于对所述过程光场估计深度数据进行深度采样点提取处理，得到多个深度采样点数据，其中，所述多个深度采样点数据为用于表示光场空间中用于深度估计的多个采样点的数据；
30、特征融合模块，用于对所述多个深度采样点数据进行光线特征融合处理，得到多个融合采样点特征数据，其中，所述多个融合采样点特征数据为用于表示融合光线特征的多个采样点特征数据；
31、第二深度估计模块，用于对所述多个融合采样点特征数据进行基于预设深度估计模型的深度估计处理，得到目标光场估计深度数据。
32、进一步地，特征融合模块包括：
33、采样点特征模块，用于对所述多个深度采样点数据进行采样点特征转换处理，得到多个深度采样点特征数据，其中，所述多个深度采样点特征数据为用于表示多个深度采样点的特征数据；
34、光线特征模块，用于对所述多个深度采样点数据进行光线特征转换处理，得到光线特征数据，其中，所述光线特征数据为多个深度采样点对应光线的特征数据，所述多个深度采样点均匀分布于对应光线上；
35、光线特征融合模块，用于对所述多个深度采样点特征数据和所述光线特征数据进行基于预设注意力模型本文档来自技高网...
【技术保护点】
1.一种用于光场深度估计的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的数据处理方法，其特征在于，对所述多个深度采样点数据进行光线特征融合处理，得到多个融合采样点特征数据包括：
3.根据权利要求2所述的数据处理方法，其特征在于，对所述多个深度采样点特征数据和所述光线特征数据进行基于预设注意力模型的特征融合处理，得到所述多个融合采样点特征数据包括：
4.根据权利要求3所述的数据处理方法，其特征在于，对所述多个深度采样点特征数据进行基于第一注意力模型的特征优化处理，得到多个深度采样点第一过程特征数据包括：
5.根据权利要求3所述的数据处理方法，其特征在于，对所述多个深度采样点第二过程特征数据进行基于第二注意力模型的特征优化处理，得到所述多个融合采样点特征数据包括：
6.根据权利要求1所述数据处理方法，其特征在于，对所述过程光场估计深度数据进行深度采样点提取处理，得到多个深度采样点数据包括：
7.一种用于光场深度估计的数据处理装置，其特征在于，包括：
8.根据权利要求7所述的数据处理装置，其
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任意一项所述的用于光场深度估计的数据处理方法。
10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-6任意一项所述的用于光场深度估计的数据处理方法。
...【技术特征摘要】
1.一种用于光场深度估计的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的数据处理方法，其特征在于，对所述多个深度采样点数据进行光线特征融合处理，得到多个融合采样点特征数据包括：
3.根据权利要求2所述的数据处理方法，其特征在于，对所述多个深度采样点特征数据和所述光线特征数据进行基于预设注意力模型的特征融合处理，得到所述多个融合采样点特征数据包括：
4.根据权利要求3所述的数据处理方法，其特征在于，对所述多个深度采样点特征数据进行基于第一注意力模型的特征优化处理，得到多个深度采样点第一过程特征数据包括：
5.根据权利要求3所述的数据处理方法，其特征在于，对所述多个深度采样点第二过程特征数据进行基于第二注意力模型的特征优化处理，得到所述多个融合采样点特征数据包括：
6.根据权利...
【专利技术属性】
技术研发人员：由清圳，
申请(专利权)人：埃洛克航空科技北京有限公司，
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。