公开(公告)号：CN112150531A

公开(公告)日：2020-12-29

申请号：CN202011057349.0

申请日：2020-09-29

Applicant: 西北工业大学

Inventor： 孙瑾秋 ,  张艳宁 ,  李睿 ,  朱宇 ,  何贤拓 ,  李贤俊

IPC: G06T7/55 ,  G06T7/207

Abstract: 本发明提供了一种鲁棒的自监督学习单帧图像深度估计方法，首先生成单帧深度及帧间相对运动数据，然后依次计算光照鲁棒性损失函数、相对运动区域掩膜和环路一致性损失，最终得到网络最终损失函数。本发明能够有效提升自监督学习的深度估计方法在复杂场景下的鲁棒性以及学习能力，从而使得方法可以更好适应真实世界中光照变化剧烈、物体运动复杂的场景中，具有很强的应用价值。

公开(公告)号：CN112150531B

公开(公告)日：2022-12-09

申请号：CN202011057349.0

申请日：2020-09-29

Applicant: 西北工业大学

Inventor： 孙瑾秋 ,  张艳宁 ,  李睿 ,  朱宇 ,  何贤拓 ,  李贤俊

IPC: G06T7/55 ,  G06T7/207

Abstract: 本发明提供了一种鲁棒的自监督学习单帧图像深度估计方法，首先生成单帧深度及帧间相对运动数据，然后依次计算光照鲁棒性损失函数、相对运动区域掩膜和环路一致性损失，最终得到网络最终损失函数。本发明能够有效提升自监督学习的深度估计方法在复杂场景下的鲁棒性以及学习能力，从而使得方法可以更好适应真实世界中光照变化剧烈、物体运动复杂的场景中，具有很强的应用价值。