[發明專利]數據處理方法、圖像處理方法、存儲介質及計算設備

在審

• 申請號: 202010366987.4
• 申請日: 2020-04-30
• 公開（公告）號: CN113592875A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 劉夢怡;劉鑄;冷曉旭
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/50;G06T7/70
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;張文華

本申請公開了一種數據處理方法、圖像處理方法、存儲介質及計算設備。其中，該方法包括：獲取圖像序列；利用圖像處理模型對圖像序列進行處理，得到圖像序列對應的深度結果和分割結果；其中，圖像處理模型用于獲取訓練序列，將訓練序列中的第一圖像輸入至第一網絡，得到第一圖像對應的深度圖，并將第一圖像和訓練序列中的第二圖像輸入至第二網絡，得到第一圖像到第二圖像的位姿變換矩陣，圖像處理模型的第一損失函數由第一圖像，和，基于第二圖像、深度圖和位姿變換矩陣生成的合成圖像確定。本申請解決了相關技術中圖像處理方法計算復雜度大，且準確度低的技術問題。

技術領域

本申請涉及數據處理領域，具體而言，涉及一種數據處理方法、圖像處理方法、存儲介質及計算設備。

背景技術

在室內場景三維建模領域中，利用全景圖像中每個像素的深度值可以計算出該像素點在三維空間的坐標，進而得到整個場景的點云模型實現三維重建。

傳統的全景圖像處理方法依賴于較大數據量的全監督學習，其中深度數據需要通過多個深度攝像頭以密集點位對場景進行掃描以獲得全方位深度信息，硬件設備成本高且采集流程復雜效率低。同理，語義分割數據需要人工進行標注，人力標注成本高。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種數據處理方法、圖像處理方法、存儲介質及計算設備，以至少解決相關技術中圖像處理方法計算復雜度大，且準確度低的技術問題。

根據本申請實施例的一個方面，提供了一種圖像處理方法，包括：接收輸入的圖像序列；利用圖像處理模型對圖像序列進行處理，得到圖像序列對應的深度結果和分割結果；基于深度結果和分割結果，生成圖像序列對應的三維模型；展示三維模型；其中，圖像處理模型用于獲取訓練序列，將訓練序列中的第一圖像輸入至第一網絡，得到第一圖像對應的深度圖，并將第一圖像和訓練序列中的第二圖像輸入至第二網絡，得到第一圖像到第二圖像的位姿變換矩陣，圖像處理模型的第一損失函數由第一圖像，和，基于第二圖像、深度圖和位姿變換矩陣生成的合成圖像確定。

根據本申請實施例的另一方面，還提供了一種圖像處理方法，包括：獲取圖像序列；利用圖像處理模型對圖像序列進行處理，得到圖像序列對應的深度結果和分割結果；其中，圖像處理模型用于獲取訓練序列，將訓練序列中的第一圖像輸入至第一網絡，得到第一圖像對應的深度圖，并將第一圖像和訓練序列中的第二圖像輸入至第二網絡，得到第一圖像到第二圖像的位姿變換矩陣，圖像處理模型的第一損失函數由第一圖像，和，基于第二圖像、深度圖和位姿變換矩陣生成的合成圖像確定。

根據本申請實施例的另一方面，還提供了一種數據處理方法，包括：獲取訓練序列；將訓練序列中的第一圖像輸入至圖像處理模型的第一網絡，得到第一圖像對應的深度圖；將第一圖像和訓練序列中的第二圖像輸入至圖像處理模型的第二網絡，得到第一圖像到第二圖像的位姿變換矩陣；基于第二圖像、深度圖和位姿變換矩陣，生成合成圖像；基于第一圖像和合成圖像，確定圖像處理模型的第一損失函數；基于第一損失函數，對圖像處理模型的網絡權重進行更新。

根據本申請實施例的另一方面，還提供了一種數據處理方法，包括：接收處理請求；基于處理請求獲取訓練序列和圖像處理模型；利用訓練序列對圖像處理模型進行訓練，得到圖像處理模型的網絡權重，其中，圖像處理模型用于將訓練序列中的第一圖像輸入至第一網絡，得到第一圖像對應的深度圖，并將第一圖像和訓練序列中的第二圖像輸入至第二網絡，得到第一圖像到第二圖像的位姿變換矩陣，圖像處理模型的第一損失函數由第一圖像，和，基于第二圖像、深度圖和位姿變換矩陣生成的合成圖像確定；輸出訓練好的圖像處理模型。

根據本申請實施例的另一方面，還提供了一種存儲介質，存儲介質包括存儲的程序，其中，在程序運行時控制存儲介質所在設備執行上述的圖像處理方法。

根據本申請實施例的另一方面，還提供了一種計算設備，包括：存儲器和處理器，處理器用于運行存儲器中存儲的程序，其中，程序運行時執行上述的圖像處理方法。