本申請實施例提供了一種深度估計方法、模型訓練方法、裝置、設(shè)備及存儲介質(zhì)，涉及計算機視覺技術(shù)領(lǐng)域。所述方法包括：獲取原始圖像；調(diào)用深度估計模型；通過深度估計模型對原始圖像進行深度值估計，得到原始圖像的估計深度值集合；其中，深度估計模型的損失函數(shù)包括深度損失函數(shù)和/或梯度損失函數(shù)，深度損失函數(shù)用于表征基于深度估計模型輸出的估計深度值和真實深度值之間的差異程度，梯度損失函數(shù)用于表征估計深度值的梯度和真實深度值的梯度之間的差異程度，估計深度值的梯度基于估計深度值和步長確定，真實深度值的梯度基于真實深度值和步長確定。本申請實施例的深度估計模型增加了對平面的約束，使得預測的圖像的深度值更加準確。

技術(shù)領(lǐng)域

本申請實施例涉及計算機視覺技術(shù)領(lǐng)域，特別涉及一種深度估計方法、模型訓練方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

深度圖像中的像素點的灰度值可以表示像素點顯示的場景距離拍攝設(shè)備的遠近。因此，深度圖像可以用來表示三維場景信息。

在相關(guān)技術(shù)中，圖像深度估計的方法主要有單目深度估計方法和雙目深度估計方法。其中，單目深度估計方法是基于一個鏡頭，雙目深度估計方法是基于兩個鏡頭。單目深度估計方法是基于一幅圖像來估計它的深度，雙目深度估計方法是用兩個攝像頭成像，因為兩個攝像頭之間存在一定的距離，所以同一景物通過兩個鏡頭所成的像有一定的差別，即視差，基于視差來估計出圖像的深度。

發(fā)明內(nèi)容

本申請實施例提供一種深度估計方法、模型訓練方法、裝置、設(shè)備及存儲介質(zhì)。所述技術(shù)方案如下：

一方面，本申請實施例提供一種深度值估計方法，所述方法包括：

獲取原始圖像；

調(diào)用深度估計模型；

通過所述深度估計模型對所述原始圖像進行深度值估計，得到所述原始圖像的估計深度值集合，所述估計深度值集合包括至少一個估計深度值；

其中，所述深度估計模型的損失函數(shù)包括深度損失函數(shù)和/或梯度損失函數(shù)，所述深度損失函數(shù)用于表征基于所述深度估計模型輸出的估計深度值和真實深度值之間的差異程度，所述梯度損失函數(shù)用于表征估計深度值的梯度和真實深度值的梯度之間的差異程度，所述估計深度值的梯度基于所述估計深度值和步長確定，所述真實深度值的梯度基于所述真實深度值和所述步長確定。

另一方面，本申請實施例提供一種模型訓練方法，所述方法包括：

獲取深度估計模型的訓練數(shù)據(jù)，所述訓練數(shù)據(jù)包括至少一個訓練樣本，所述訓練樣本包括訓練圖像和所述訓練圖像的標準深度值集合，所述標準深度值集合包括至少一個標準深度值；

通過所述深度估計模型對所述訓練圖像進行深度值估計，得到所述訓練圖像的預測深度值集合，所述預測深度值集合包括至少一個預測深度值；

基于所述訓練圖像的標準深度值集合和所述訓練圖像的預測深度值集合，確定損失函數(shù)的值；

基于所述損失函數(shù)的值對所述深度估計模型進行訓練，得到完成訓練的深度估計模型；

其中，所述損失函數(shù)包括深度損失函數(shù)和/或梯度損失函數(shù)，所述深度損失函數(shù)用于表征基于所述深度估計模型輸出的預測深度值和標準深度值之間的差異程度，所述梯度損失函數(shù)用于表征預測深度值的梯度和標準深度值的梯度之間的差異程度，所述預測深度值的梯度基于所述預測深度值和步長確定，所述標準深度值的梯度基于所述標準深度值和所述步長確定。

另一方面，本申請實施例提供一種深度值估計裝置，所述裝置包括：

圖像獲取模塊，用于獲取原始圖像；

模型調(diào)用模塊，用于調(diào)用深度估計模型；