[發明專利]三維圖像處理方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110316166.4
• 申請日: 2021-03-24
• 公開（公告）號: CN112801282A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 鄒俊成;王建城;尹威華;喬紅;劉智勇
• 申請（專利權）人: 東莞中國科學院云計算產業技術創新與育成中心
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T5/50
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 宋永慧

本申請涉及一種三維圖像處理方法、裝置、計算機設備和存儲介質。所述方法包括：將第一時刻的三維圖像和第二時刻的三維圖像進行卷積處理，得到卷積特征圖像；將所述卷積特征圖像進行反卷積處理，得到與所述卷積特征圖像尺寸一致的反卷積特征圖像；將所述卷積特征圖像和所述反卷積特征圖像進行差分運算，得到差分圖像；將所述卷積特征圖像、所述差分圖像和所述反卷積特征圖像連接；將連接后的卷積特征圖像、差分圖像和反卷積特征圖像進行反卷積處理，得到第三時刻的三維圖像。因此，在三維圖像處理的過程中，通過跨層差分能夠解決因梯度爆炸及梯度消失導致預測圖像準確率低的問題。

技術領域

本申請涉及計算機應用領域，特別是涉及一種三維圖像處理方法、裝置、計算機設備和存儲介質。

背景技術

隨著三維神經網絡技術的發展，三維視覺被廣泛應用于輔助機器人完成任務，但在實際應用場景中常常會遇到遮擋、超出視野范圍及光線變化的問題，為了解決因運動帶來的這些問題，需要設計新的三維網絡結構來學習未被干擾時目標的圖像之間的時序關系，以預測目標被遮擋時的運動狀態，因此，三維神經網絡往往需要設計得比較深才能取得較好的學習及預測性能，但是深層的網絡經常會遇到梯度爆炸及梯度消失問題。

在相關技術中，基于LSTM(Long Short-Term Memory,長短期記憶網絡)解決了二維神經網絡中梯度爆炸及梯度消失問題。然而，基于三維卷積長短期記憶網絡處理圖像的過程中因存在梯度爆炸及梯度消失導致預測圖像準確率低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種三維圖像處理方法、裝置、計算機設備和存儲介質。

一種三維圖像處理方法，該方法包括：

將第一時刻的三維圖像和第二時刻的三維圖像進行卷積處理，得到卷積特征圖像；將該卷積特征圖像進行反卷積處理，得到與該卷積特征圖像尺寸一致的反卷積特征圖像；將該卷積特征圖像和該反卷積特征圖像進行差分運算，得到差分圖像；將該卷積特征圖像、該差分圖像和該反卷積特征圖像連接；將連接后的卷積特征圖像、差分圖像和反卷積特征圖像進行反卷積處理，得到第三時刻的三維圖像。

在其中一個實施例中，該將第一時刻的三維圖像和第二時刻的三維圖像進行卷積處理，得到卷積特征圖像，包括：

將張量尺寸一致的第一時刻的三維圖像和第二時刻的三維圖像進行卷積處理，得到卷積特征圖像。

在其中一個實施例中，該方法還包括:

將第一時刻的三維圖像和第二時刻的三維圖像進行第一卷積處理，得到第一卷積特征圖像；將該第一卷積特征圖像進行第二卷積處理，得到第二卷積特征圖像；將該第二卷積特征圖像進行第一反卷積處理，得到第一反卷積特征圖像；將該第二卷積特征圖像和該第一反卷積特征圖像進行差分運算，得到第一差分圖像；將該第二卷積特征圖像、該第一差分圖像和該第一反卷積特征圖像連接；將連接后的第二卷積特征圖像、第一差分圖像和第一反卷積特征圖像進行第二反卷積處理，得到第二反卷積特征圖像；將該第一卷積特征圖像和該第二反卷積特征圖像進行差分運算，得到第二差分圖像；將該第一卷積特征圖像、該第二差分圖像和該第二反卷積特征圖像連接；將連接后的第一卷積特征圖像、第二差分圖像和第二反卷積特征圖像進行第三反卷積處理，得到第三時刻的三維圖像。

在其中一個實施例中，該方法還包括：