基于单目图像的三维信息的提取方法及电子装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110647888A(43)申请公布日2020.01.03(21)申请号201810674456.4(22)申请日2018.06.26(71)申请人毛文涛地址100000北京市昌平区新干线家园一区1号楼2单元202号(72)发明人毛文涛(74)专利代理机构广州三环专利商标代理有限公司44202代理人郝传鑫熊永强(51)Int.Cl.G06K9/46(2006.01)G06K9/20(2006.01)G06K9/62(2006.01)权利要求书2页说明书11页附图2页(54)发明名称基于单目图像的三维信息的提取方法及电子装置(57)摘要本发明公开了一种基于单目图像的三维信息的提取方法，包括：获取第二2D单目图像，所述第二2D单目图像包括目标物体；将所述第二2D单目图像输入到训练后的算法模型中，计算得到所述目标物体的3D信息。采用本发明实施例计算复杂度小，成本低，并且不存在盲区和不受使用场景的影响。CN110647888ACN110647888A权利要求书1/2页1.一种基于单目图像的三维信息的提取方法，其特征在于，包括：获取第二2D单目图像，所述第二2D单目图像包括目标物体；将所述第二2D单目图像输入到训练后的算法模型中，计算得到所述目标物体的3D信息。2.根据权利要求1所述的方法，其特征在于，所述获取第二2D单目图像之前，所述方法还包括：获取第一2D单目图像与3D信息的关系数据；根据所述第一2D单目图像与3D信息的关系数据对算法模型进行训练，以得到所述训练后的算法模型；其中，所述算法模型为深度学习模型，或者通过机器学习算法训练得到的模型。3.根据权利要求2所述的方法，其特征在于，所述获取第一2D单目图像与3D信息的关系数据，包括：获取所述第一2D单目图像，所述第一2D单目图像包括至少一个物体；获取所述第一2D单目图像中至少一个物体中每个物体的3D信息；建立第一2D单目图像中每个物体与其3D信息之间的映射关系，以得到所述第一2D单目图像与3D信息的关系数据。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一2D单目图像与3D信息的关系数据对算法模型进行训练，以得到所述训练后的算法模型，包括：根据卷积神经网络对所述第一2D单目图像进行前向计算，以得所述第一2D单目图像的特征图；根据所述第一2D单目图像的特征图和参数得到关键性参数，所述关键性参数用于表征物体特征的参数；根据深度网络算法对所述关键性参数进行计算，以得到第一3D信息；获取所述第一3D信息和所述关系数据中的3D信息的差值；将所述差值反向传播到所述算法模型，训练所述算法模型，以得到所述训练后的算法模型。5.一种电子装置，其特征在于，包括：获取单元，用于获取第二2D单目图像，所述第二2D单目图像包括目标物体；计算单元，用于将所述第二2D单目图像输入到训练后的算法模型中，计算得到所述目标物体的3D信息。6.根据权利要求5所述的电子装置，其特征在于，所述电子装置还包括：所述获取单元，还用于在获取第二2D单目图像之前，获取第一2D单目图像与3D信息的关系数据；训练单元，用于根据所述第一2D单目图像与3D信息的关系数据对算法模型进行训练，以得到所述训练后的算法模型；其中，所述算法模型为深度学习模型，或者通过机器学习算法训练得到的模型。7.根据权利要求6所述的电子装置，其特征在于，所述获取单元具体用于：获取所述第一2D单目图像，所述第一2D单目图像包括至少一个物体；获取所述第一2D单目图像中至少一个物体中每个物体的3D信息；2CN110647888A权利要求书2/2页建立第一2D单目图像中每个物体与其3D信息之间的映射关系，以得到所述第一2D单目图像与3D信息的关系数据。8.根据权利要求6所述的电子装置，其特征在于，所述训练单元具体用于：根据卷积神经网络对所述第一2D单目图像进行前向计算，以得所述第一2D单目图像的特征图；根据所述第一2D单目图像的特征图和参数得到关键性参数，所述关键性参数用于表征物体特征的参数；根据深度网络算法对所述关键性参数进行计算，以得到第一3D信息；获取所述第一3D信息和所述关系数据中的3D信息的差值；将所述差值反向传播到所述算法模型，训练所述算法模型，以得到所述训练后的算法模型。9.一种电子装置，其特征在于，包括存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-4任一项所述的方法。10.一种程序产品，包括指令，当其在电子装置上运行时，使得电子装置执行如权利要求1-4任一项所述的方法。3CN110647888A说明书1/11页基于单目图像的三维信息的提取方法及电子装置技术领域[0001]本发明涉及图像视