[發明專利]一種日光溫室番茄植株圖像無監督深度估計方法

有效

• 申請號: 202011317617.8
• 申請日: 2020-11-23
• 公開（公告）號: CN112419387B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 周云成;吳瓊;苗騰;鄧寒冰;金莉;徐靜
• 申請（專利權）人: 沈陽農業大學
• 主分類號: G06T7/55
• 分類號: G06T7/55;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 沈陽科威專利代理有限責任公司 21101
• 代理人: 胡野

1.一種日光溫室番茄植株圖像無監督深度估計方法，其特征是：構建基于雙目圖像的日光溫室番茄植株無監督深度估計模型，包括以下步驟：

(1)設置深度卷積自編碼器來作為實現雙目圖像深度估計的函數f_D，所述函數f_D以日光溫室番茄植株雙目圖像(I_l,I_r)作為輸入，預測與圖像像素對齊的左、右目視差圖(D_l,D_r)；

(2)f_B為可微分雙線性插值采樣函數，所述函數f_B能夠根據D_l從I_r上采樣，重構左目圖像同時用該函數重構右目圖像

(3)設置能夠度量圖像表觀差異的函數pe來度量重構圖像和目標圖像I_l、I_r的重構誤差，以該誤差為監督信號，以為f_D·f_B復合函數優化訓練的目標，訓練完成后，將復合函數解耦；

(4)用完成訓練且解耦后的f_D函數來估計日光溫室番茄植株雙目圖像的視差，并用Z_l＝fb/D_l得到圖像深度Z_l，其中f、b分別為相機的焦距和基線距離；

所述設置深度卷積自編碼器獲得函數f_D的方法如下：

①設置橫向混合分組擴張卷積及基于其的具不同感受野注意力機制的反向殘差模塊；

所述卷積自編碼器用卷積模塊來構建，該卷積模塊結構可有效提高單層卷積模塊的感受野，同時有利于提取圖像局部特征；

②采用基于橫向混合分組擴張卷積并具不同感受野注意力機制的反向殘差模塊設計深度估計模型所需的卷積自編碼器，并將其用作f_D函數；

所述能夠度量圖像表觀差異的函數pe的設置方法為：

為所述基于雙目圖像的日光溫室番茄植株無監督深度估計模型定義光不敏感植株圖像表觀差異度量函數，將圖像像素空間的L1距離、結構近似度指數SSIM、圖像邊緣特征的L1距離、圖像Gabor紋理特征的L1距離的線性組合，作為日光溫室番茄植株圖像的光不敏感表觀差異度量函數pe；

所述模型訓練為對日光溫室番茄植株圖像深度估計模型進行無監督訓練，方法為：

采用雙目相機在種植作物為番茄的日光溫室里采集大量雙目圖像直接用于深度估計模型的預訓練，同時在模型工作于智能設備上時，采用邊工作邊學習的在線無監督訓練模式，以適應多變的工作環境。