公开(公告)号：CN115953447A

公开(公告)日：2023-04-11

申请号：CN202310062545.4

申请日：2023-01-18

Applicant: 南京邮电大学

Inventor： 邵文泽 ,  范文浩

IPC: G06T7/50 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明属于计算机视觉图像处理领域，公开了一种面向3D目标检测的点云一致性约束单目深度估计方法，方法包括：准备用于无监督单目深度估计的数据集；将训练集分批输入无监督单目深度估计模型，模型输出与输入图像对应的深度图、位姿变化，计算与输入图像对应的重投影图像和点云，进一步计算训练总损失，包括重投影损失、点云一致性损失、边缘平滑损失；使用总损失约束模型训练，优化得到最优的无监督单目深度估计模型；准备用于3D目标检测的数据集，生成伪点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过引入3D信息约束，提升了道路场景的深度估计及3D目标检测精度。

公开(公告)号：CN116912207A

公开(公告)日：2023-10-20

申请号：CN202310873710.4

申请日：2023-07-17

Applicant: 南京邮电大学

Inventor： 邵文泽 ,  范文浩

IPC: G06T7/00 ,  G06T7/50 ,  G06V10/774 ,  G06V10/74 ,  G06T7/70

Abstract: 本发明属于计算机视觉图像处理领域，公开一种基于点云学习的无监督单目深度估计方法，包括：准备数据集；将训练集分批输入无监督单目点云估计模型，模型输出与输入图像对应的预测点云、位姿变化，计算与输入图像对应的重投影图像和重建点云，计算训练总损失，包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失；使用总损失约束模型训练，到最优的无监督单目点云估计模型；准备用于3D目标检测的数据集，用预测点云文件替换真实点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过直接估计点云并引入点云约束，提升了道路场景的深度估计及3D目标检测精度。