[發明專利]基于圖卷積神經網絡的單目深度估計方法

在審

• 申請號: 202110237547.3
• 申請日: 2021-03-04
• 公開（公告）號: CN112967326A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 趙智龍;付煒平;張玉亮;王東輝;孟榮;范曉丹;劉洪吉;尹子會;張東坡
• 申請（專利權）人: 國網河北省電力有限公司檢修分公司;國家電網有限公司
• 主分類號: G06T7/50
• 分類號: G06T7/50;G06N3/04;G06N3/08
• 代理公司: 石家莊新世紀專利商標事務所有限公司 13100
• 代理人: 呼春輝

1.一種基于圖卷積神經網絡的單目深度估計方法，其特征在于：包括如下步驟，S1下采樣操作，對電力設備的圖像的深度圖從粗到細進行下采樣，獲得用于重建圖的深度圖；S2加噪聲，基于S1步驟形成的用于重建圖的深度圖添加高斯噪聲；S3生成拓撲圖，基于S2步驟形成的添加高斯噪聲后的深度圖，根據深度間隔閾值θ生成相應稀疏程度的拓撲圖；S4深度拓撲圖過濾，基于S3步驟形成的拓撲圖進行過濾，獲得過濾后每一尺度深度的拓撲圖。

2.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S1步驟中，通過最大池、隨機池和均值池向下采樣操作。

3.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S1步驟中，深度圖分為形狀相同的塊，該塊作為節點，其邊緣信息由深度值和塊的位置組成。

4.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S1步驟中，操作為Pooling(·)。

5.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S2步驟中，在添加高斯噪聲時，根據需要約束深度值上限。

6.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S3步驟中，通過Interval(·)計算深度間隔閾值θ。

7.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S4步驟中，使用伯努利分布的樣本根據概率p從矩陣隨機刪除邊緣。

8.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：在S4步驟中，通過操作ReconGraph(·)生成拓撲圖。

9.根據權利要求1所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：S4步驟包括兩個子步驟，第一步，通過操作Paired(·)獲得鄰接節點Set{Ni，Nj}，并在操作中使用Dropout(·)；第二步，獲得每一尺度深度的拓撲圖。

10.根據權利要求1～9中任意一項所述的基于圖卷積神經網絡的單目深度估計方法，其特征在于：基于兩個CNN網絡和一個GNN網絡，一個CNN網絡為上層的CNN網絡，其用于根據預訓練的模型凍結參數推斷出粗略的深度圖，根據深度拓撲圖策略獲得深度圖，另一個CNN網絡為底層的CNN網絡，其輸出結果給GNN網絡。