(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210580876.2 (22)申请日 2022.05.26 (71)申请人 三一智矿科技有限公司 地址 102206 北京市昌平区回龙观镇北清 路8号6幢4层(04)401 (72)发明人 谢欣燕　康晓华　唐晓　袁丽燕　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 专利代理师 朱春元 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/56(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 20/56(2022.01) G06T 3/00(2006.01) G06T 11/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 不规则道路的单目深度估计方法及装置、 存 储介质、 终端 (57)摘要 本发明公开了一种不规则道路的单目深度 估计方法及装置、 存储介质、 终端， 涉及图像处理 技术领域， 主要目的在于解决无法对不规则道路 进行深度估计的问题。 主要包括从图像采集设备 获取初始图像， 并通过对所述初始图像进行有效 目标提取得到唯一包含目标车辆的目标图像； 利 用已完成训练的单目深度估计网络模型对所述 目标图像进行深度信息提取， 得到所述目标图像 的深度图像； 通过对所述深度图像中的目标车辆 深度信息进行拟合处理， 得到所述目标车辆与所 述图像采集 设备之间的距离。 主要用于不规则道 路中车辆目标的距离信息提取。 权利要求书2页 说明书10页 附图3页 CN 115063575 A 2022.09.16 CN 115063575 A 1.一种不 规则道路的单目深度估计方法， 其特 征在于， 包括： 从图像采集设备获取初始图像， 并通过对所述初始图像进行有效目标提取得到唯一包 含目标车辆的目标图像； 利用已完成训练 的单目深度估计网络模型对所述目标图像进行深度信 息提取， 得到所 述目标图像的深度图像， 所述已完成训练的单目深度估计网络模型是基于高维卷积网络提 取的高维信息训练得到的； 通过对所述深度图像中的目标车辆深度信 息进行拟合处理， 得到所述目标车辆与 所述 图像采集设备之间的距离 。 2.根据权利要求1所述的方法， 其特征在于， 所述通过对所述初始图像进行有效目标提 取得到唯一包 含目标车辆的目标图像， 包括： 对所述初始图像进行目标检测， 若到检测目标， 则确定所述初始图像中的至少一个目 标车辆； 根据所述目标车辆的图像区域， 确定所述初始图像中的非目标车辆 图像区域， 并通过 对所述非目标 车辆图像区域进行掩膜处 理， 得到目标图像； 若未检测到目标， 则重新获取初始图像。 3.根据权利要求1所述的方法， 其特征在于， 所述利用已完成训练 的单目深度估计网络 模型对所述 目标图像进行深度信息提取， 得到所述 目标图像的深度图像之前， 所述方法还 包括： 构建包含至少五层卷积网络的初始单目深度估计网络模型； 对训练样本图像集中的每个样本图像分别进行掩膜 处理， 得到掩膜 处理后的训练样本 图像集； 利用所述掩膜 处理后的训练样本图像集对所述初始单目深度估计网络模型进行训练， 得到已完成训练的单目深度估计网络模型。 4.根据权利要求3所述的方法， 其特征在于， 所述利用所述掩膜 处理后的训练样本图像 集对所述初始单目深度估计网络模型进行训练， 得到已完成训练的单目深度估计网络模 型， 包括： 利用所述初始单目深度估计网络模型对掩膜处理后的训练样本图像进行高维信息提 取， 得到高维信息， 并通过 所述高维信息进行图像重构得到所述训练样本图像的重构图； 根据所述重构图与所述训练样本图像的相似度确定损失函数； 利用所述损失函数对所述初始单目深度估计网络模型进行训练， 得到已完成训练的单 目深度估计网络模型。 5.根据权利要求4所述的方法， 其特征在于， 所述利用所述初始单目深度估计网络模型 对训练样本图像进行高维信息提取， 得到高维信息， 包括： 利用所述初始单目深度估计网络模型对所述目标图像进行深度信 息提取， 并提取初始 单目深度估计网络模型中 高维卷积网络 输出的高维抽象特 征； 通过对所述高维抽象特 征进行上采样、 特 征融合得到高维信息 。 6.根据权利要求3所述的方法， 其特征在于， 所述利用所述掩膜 处理后的训练样本图像 集对所述初始单目深度估计网络模型进行训练之前， 所述方法还 包括： 获取连续帧图像样本， 并对所述连续帧图像样本进行等时间间隔抽帧处理， 得到对应权　利　要　求　书 1/2 页 2 CN 115063575 A 2多个图像帧的训练样本图像； 根据所述训练样本图像构建训练样本图像集。 7.根据权利要求1所述的方法， 其特征在于， 所述通过对所述深度图像中目标车辆深度 信息进行拟合处 理， 得到所述目标 车辆与所述图像采集设备之间的距离， 包括： 对所述深度图像中的目标车辆深度信 息进行离散点像素过滤处理， 得到过滤处理后的 目标车辆深度信息； 利用距离直方图分布算法对所述过滤处理后的目标车辆的深度信 息进行拟合处理， 得 到所述目标 车辆与所述图像采集设备之间的距离 。 8.一种不 规则道路的单目深度估计装置， 其特 征在于， 包括： 获取模块， 用于从图像采集设备获取初始图像， 并通过对所述初始图像进行有效目标 提取得到唯一包 含目标车辆的目标图像； 提取模块， 用于利用已完成训练的单目深度估计网络模型对所述目标图像进行深度信 息提取， 得到所述 目标图像的深度图像， 所述已完成训练的单目深度估计网络模型是基于 高维卷积网络提取的高维信息训练得到的； 确定模块， 用于通过对所述深度图像中的目标车辆深度信息进行拟合处理， 得到所述 目标车辆与所述图像采集设备之间的距离 。 9.一种存储介质， 所述存储介质中存储有至少一可执行指令， 所述可执行指令使处理 器执行如权利要求1 ‑7中任一项所述的不 规则道路的单目深度估计方法对应的操作。 10.一种终端， 包括： 处理器、 存储器、 通信 接口和通信总 线， 所述处理器、 所述存储器和 所述通信接口通过 所述通信总线完成相互间的通信； 所述存储器用于存放至少一可执行指令， 所述可执行指令使所述处理器执行如权利要 求1‑7中任一项所述的不 规则道路的单目深度估计方法对应的操作。权　利　要　求　书 2/2 页 3 CN 115063575 A 3