欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2019104671173
申请人: 北京百度网讯科技有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种图像校正方法,其特征在于,包括:

将第一图像采集设备采集的第一图像输入待训练模型,获得输出图像;所述第一图像为第一图像采集设备在设定的采集距离拍摄的第一目标物体的图像;

获得所述输出图像的深度信息与第二图像的深度信息;所述第二图像为第二图像采集设备在设定的采集距离拍摄的所述第一目标物体的图像,所述采集距离超过所述第一图像采集设备的工作范围,且不超过所述第二图像采集设备的工作范围;

根据所述输出图像的深度信息、所述第二图像的深度信息以及深度信息约束条件,对所述待训练模型进行调整,获得深度信息校正模型,所述深度信息校正模型用于对所述第一图像采集设备采集的待处理图像进行校正、以使得校正图像的深度信息与第二图像的深度信息符合所述约束条件。

2.根据权利要求1所述的方法,其特征在于,还包括:

将第一图像采集设备采集的第二目标物体的待处理图像输入所述深度信息校正模型,获得所述校正图像,所述校正图像的深度信息超过第一图像采集设备的工作范围,且处于所述第二图像采集设备的工作范围之内。

3.根据权利要求1所述的方法,其特征在于,将第一图像采集设备采集的第一图像输入待训练模型,获得输出图像之前,还包括:标定所述第一图像采集设备和第二图像采集设备,使得二者的深度坐标系处于同一坐标原点;

利用所述第一图像采集设备获得所述第一图像,利用所述第二图像采集设备获得所述第二图像。

4.根据权利要求1所述的方法,其特征在于,所述深度信息校正模型为卷积神经网络组合;将第一图像采集设备采集的第一图像输入待训练模型,获得输出图像,包括:获得所述第一图像的第一图像特征;

利用所述卷积神经网络组合计算所述图像特征,得到输出图像特征;

根据所述输出图像特征,获得所述输出图像。

5.根据权利要求1所述方法,其特征在于,所述深度信息约束条件为本次获得的深度信息差值不小于上一次获得的深度信息差值;

根据所述输出图像的深度信息、所述第二图像的深度信息以及深度信息约束条件,对所述待训练模型进行调整,获得深度信息校正模型,包括:若本次获得的所述深度信息差值小于上一次获得的所述深度信息差值,则对所述待训练模型进行调整后,将所述第一图像输入调整后的模型,继续训练;

若本次获得的所述深度信息差值不小于上一次获得的所述深度信息差值,则将当前的模型作为所述深度信息校正模型。

6.一种图像校正装置,其特征在于,包括:

输出图像获得模块:用于将第一图像采集设备采集的第一图像输入待训练模型,获得输出图像;所述第一图像为第一图像采集设备在设定的采集距离拍摄的第一目标物体的图像;

深度信息获得模块:用于获得所述输出图像的深度信息与第二图像的深度信息;所述第二图像为第二图像采集设备在设定的采集距离拍摄的所述第一目标物体的图像,所述采集距离超过所述第一图像采集设备的工作范围,且不超过所述第二图像采集设备的工作范围;

训练模块:用于根据所述输出图像的深度信息、所述第二图像的深度信息以及深度信息约束条件,对所述待训练模型进行调整,获得深度信息校正模型,所述深度信息校正模型用于对所述第一图像采集设备采集的待处理图像进行校正、以使得校正图像的深度信息与第二图像的深度信息符合所述约束条件。

7.根据权利要求6所述的装置,其特征在于,还包括:

校正模块:用于将第一图像采集设备采集的第二目标物体的待处理图像输入所述深度信息校正模型,获得所述校正图像,所述校正图像的深度信息超过第一图像采集设备的工作范围,且处于所述第二图像采集设备的工作范围之内。

8.根据权利要求6所述的装置,其特征在于,所述装置还包括:坐标原点标定模块:用于标定所述第一图像采集设备和第二图像采集设备,使得二者的深度坐标系处于同一坐标原点;

图像获取模块:用于利用所述第一图像采集设备获得所述第一图像,利用所述第二图像采集设备获得所述第二图像。

9.根据权利要求6所述的装置,其特征在于,所述深度信息校正模型为卷积神经网络组合;所述输出图像获得模块包括:第一图像特征获取单元:用于获得所述第一图像的第一图像特征;

输出图像特征获取单元:用于利用所述卷积神经网络组合计算所述图像特征,得到输出图像特征;

输出图像特征使用单元:用于根据所述输出图像特征,获得所述输出图像。

10.根据权利要求6所述装置,其特征在于,所述深度信息约束条件为本次获得的深度信息差值不小于上一次获得的深度信息差值;

所述训练模块包括:

第一训练单元:用于若本次获得的所述深度信息差值小于上一次获得的所述深度信息差值,则对所述待训练模型进行调整后,将所述第一图像输入调整后的模型,继续训练;

第二训练单元:用于若本次获得的所述深度信息差值不小于上一次获得的所述深度信息差值,则将当前的模型作为所述深度信息校正模型。

11.一种图像校正设备,其特征在于,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

摄像头,用于采集图像;

当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。

12.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。