本技術(shù)涉及計(jì)算機(jī)，尤其涉及一種深度估計(jì)方法、電子裝置、存儲介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、在自動(dòng)駕駛，機(jī)器人導(dǎo)航等領(lǐng)域，常常需要進(jìn)行深度估計(jì)，以實(shí)現(xiàn)二維圖像向三維空間的映射；在目前相關(guān)的深度估計(jì)方法中，基于像素的深度估計(jì)方法對圖像噪聲高度敏感，環(huán)境光線變化、傳感器噪聲以及圖像壓縮等因素都會引入噪聲，從而導(dǎo)致深度估計(jì)結(jié)果的不穩(wěn)定和不準(zhǔn)確；而其他基于回波波形的深度估計(jì)方法則在面對復(fù)雜環(huán)境時(shí)，存在多路徑反射的處理能力不足的缺陷，從而導(dǎo)致深度估計(jì)的準(zhǔn)確性和魯棒性較差。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種深度估計(jì)方法、電子裝置、存儲介質(zhì)及程序產(chǎn)品，能夠有效提升深度估計(jì)的準(zhǔn)確性和魯棒性。

2、第一方面，本技術(shù)實(shí)施例提供了一種深度估計(jì)方法，方法包括：

3、獲取檢測場景的回波數(shù)據(jù)和圖像數(shù)據(jù)；

4、對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行位置編碼處理，得到各個(gè)像素點(diǎn)各自對應(yīng)的位置編碼；

5、對回波數(shù)據(jù)和位置編碼進(jìn)行特征融合處理，得到融合的特征信息；

6、基于融合的特征信息進(jìn)行深度估計(jì)處理，得到檢測場景對應(yīng)的深度估計(jì)結(jié)果。

7、在本實(shí)施例中，電子裝置可以獲取檢測場景的圖像數(shù)據(jù)，并對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行位置編碼，由此能夠捕捉像素點(diǎn)在二維的圖像數(shù)據(jù)中的空間位置；進(jìn)而可以利用回波數(shù)據(jù)和位置編碼進(jìn)行特征融合，使得融合的特征信既包含了回波數(shù)據(jù)提供的深度信息，又能夠嵌入像素點(diǎn)的空間位置信息，從而利用融合的特征信息進(jìn)行深度估計(jì)處理，能夠有效提升深度估計(jì)的準(zhǔn)確性和魯棒性。

8、進(jìn)一步，在一些實(shí)施例中，回波數(shù)據(jù)包括各個(gè)激光點(diǎn)對應(yīng)的回波信息；對回波數(shù)據(jù)和位置編碼進(jìn)行特征融合處理，得到融合的特征信息，包括：

9、對回波數(shù)據(jù)進(jìn)行預(yù)處理，得到各個(gè)激光點(diǎn)各自對應(yīng)的預(yù)處理后的回波信息；

10、在各個(gè)像素點(diǎn)對應(yīng)的位置編碼中，確定各個(gè)激光點(diǎn)分別對應(yīng)的目標(biāo)像素點(diǎn)的目標(biāo)位置編碼；

11、分別對各個(gè)激光點(diǎn)各自對應(yīng)的預(yù)處理后的回波信息和目標(biāo)位置編碼進(jìn)行拼接處理，得到各個(gè)激光點(diǎn)各自對應(yīng)的拼接后的特征信息；

12、對各個(gè)激光點(diǎn)各自對應(yīng)的拼接后的特征信息進(jìn)行線性變換處理，得到融合的特征信息。

13、在本實(shí)施例中，電子裝置可以對回波數(shù)據(jù)進(jìn)行預(yù)處理，得到各個(gè)激光點(diǎn)各自對應(yīng)的預(yù)處理后的回波信息，進(jìn)而在各個(gè)像素點(diǎn)對應(yīng)的位置編碼中，確定與各個(gè)激光點(diǎn)分別對應(yīng)的目標(biāo)像素點(diǎn)的目標(biāo)位置編碼，從而分別對每個(gè)激光點(diǎn)對應(yīng)的預(yù)處理后的回波信息和目標(biāo)位置編碼進(jìn)行拼接，得到每個(gè)激光點(diǎn)對應(yīng)的拼接后的特征信息，然后對拼接后的特征信息進(jìn)行線性變換處理，以提升融合的特征信息的語義表達(dá)，從而提升后續(xù)深度估計(jì)的準(zhǔn)確性。

14、進(jìn)一步，在一些實(shí)施例中，基于融合的特征信息進(jìn)行深度估計(jì)處理，得到檢測場景對應(yīng)的深度估計(jì)結(jié)果，包括：

15、基于預(yù)設(shè)注意力模型對融合的特征信息進(jìn)行特征增強(qiáng)處理，得到第一特征信息；

16、基于預(yù)設(shè)深度估計(jì)模型對第一特征信息進(jìn)行深度估計(jì)處理，得到深度概率分布信息；

17、基于深度概率分布信息確定深度估計(jì)結(jié)果。

18、在本實(shí)施例中，電子裝置可以基于注意力機(jī)制對融合的特征信息進(jìn)行特征增強(qiáng)處理，以提升第一特征信息的表達(dá)能力，進(jìn)而利用預(yù)設(shè)深度估計(jì)模型對第一特征信息進(jìn)行深度估計(jì)處理，以基于得到的深度概率分布信息確定深度估計(jì)結(jié)果，能夠提升深度估計(jì)的準(zhǔn)確性。

19、進(jìn)一步，在一些實(shí)施例中，基于預(yù)設(shè)注意力模型對融合的特征信息進(jìn)行特征增強(qiáng)處理，得到第一特征信息，包括：

20、基于預(yù)設(shè)注意力模型對融合的特征信息進(jìn)行全局平均池化處理，得到融合的特征信息對應(yīng)的通道描述向量；

21、根據(jù)通道描述向量確定通道權(quán)重向量；

22、根據(jù)通道權(quán)重向量和融合的特征信息確定通道增強(qiáng)的特征向量；

23、基于通道增強(qiáng)的特征向量確定第一特征信息。

24、在本實(shí)施例中，在基于注意力機(jī)制對融合的特征信息進(jìn)行特征增強(qiáng)處理時(shí)，可以先基于預(yù)設(shè)注意力模型對融合的特征信息進(jìn)行全局平均池化處理，得到通道描述向量，然后利用預(yù)設(shè)全連接神經(jīng)網(wǎng)絡(luò)模型生成通道描述向量對應(yīng)的通道權(quán)重向量，進(jìn)而根據(jù)通道權(quán)重向量和融合的特征信息確定通道增強(qiáng)的特征向量，并利用通道增強(qiáng)的特征向量確定第一特征信息，能夠?qū)θ诤系奶卣餍畔⒅械闹匾卣鬟M(jìn)行強(qiáng)化，從而提升特征表達(dá)。

25、進(jìn)一步，在一些實(shí)施例中，基于通道增強(qiáng)的特征向量確定第一特征信息，包括：

26、對通道增強(qiáng)的特征向量進(jìn)行通道維度的池化處理，得到空間描述向量；

27、根據(jù)空間描述向量生成空間權(quán)重圖；

28、根據(jù)空間權(quán)重圖和通道增強(qiáng)的特征向量確定第一特征信息。

29、在本實(shí)施例中，在基于通道增強(qiáng)的特征向量確定第一特征信息時(shí)，可以對通道增強(qiáng)的特征向量進(jìn)行通道維度的池化處理，然后根據(jù)得到的空間描述向量生成空間權(quán)重圖，從而根據(jù)空間權(quán)重圖和通道增強(qiáng)的特征向量確定第一特征信息，能夠有效增強(qiáng)第一特征信息的表達(dá)能力，從而提升后續(xù)深度估計(jì)的魯棒性。

30、進(jìn)一步，在一些實(shí)施例中，基于預(yù)設(shè)深度估計(jì)模型對第一特征信息進(jìn)行深度估計(jì)處理，得到深度概率分布信息，包括：

31、基于預(yù)設(shè)深度估計(jì)模型和第一特征信息進(jìn)行峰值檢測處理，得到各個(gè)激光點(diǎn)各自對應(yīng)的峰值點(diǎn)和峰值點(diǎn)的深度值；

32、基于深度值確定各個(gè)激光點(diǎn)的峰值點(diǎn)對應(yīng)的深度概率信息；

33、根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率信息確定各個(gè)激光點(diǎn)各自對應(yīng)的深度概率分布信息。

34、在本實(shí)施例中，在基于預(yù)設(shè)深度估計(jì)模型對第一特征信息進(jìn)行深度估計(jì)處理時(shí)，可以先進(jìn)行峰值檢測處理，得到各個(gè)激光點(diǎn)各自對應(yīng)的峰值點(diǎn)和峰值點(diǎn)的深度值，然后分別基于深度值確定深度概率信息，進(jìn)而根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率信息確定深度概率分布信息，能夠提升深度概率分布信息的準(zhǔn)確性。

35、進(jìn)一步，在一些實(shí)施例中，基于深度概率分布信息確定深度估計(jì)結(jié)果，包括：

36、根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率分布信息確定深度概率分布期望值，并根據(jù)深度概率分布期望值確定深度估計(jì)結(jié)果；或者，

37、根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率分布信息的最大似然估計(jì)值確定深度估計(jì)結(jié)果。

38、在本實(shí)施例中，在基于深度概率分布信息確定深度估計(jì)結(jié)果時(shí)，可以根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率分布信息和深度值計(jì)算深度概率分布期望值，從而將各個(gè)激光點(diǎn)對應(yīng)的深度概率分布期望值確定為深度估計(jì)結(jié)果，或者，還可以根據(jù)各個(gè)激光點(diǎn)各自對應(yīng)的深度概率分布信息的最大似然估計(jì)值確定深度估計(jì)結(jié)果，能夠有效提升深度估計(jì)結(jié)果的準(zhǔn)確性。

39、進(jìn)一步，在一些實(shí)施例中，對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行位置編碼處理，得到各個(gè)像素點(diǎn)各自對應(yīng)的位置編碼，包括：

40、分別對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行水平位置編碼處理和垂直位置編碼處理，得到各個(gè)像素點(diǎn)各自的水平位置編碼和垂直位置編碼；

41、分別對各個(gè)像素點(diǎn)各自的水平位置編碼和垂直位置編碼進(jìn)行拼接處理，得到各個(gè)像素點(diǎn)各自對應(yīng)的位置編碼。

42、在本實(shí)施例中，在確定各個(gè)像素點(diǎn)各自對應(yīng)的位置編碼時(shí)，是分別確定各個(gè)像素點(diǎn)的水平位置編碼和垂直位置編碼，從而對水平位置編碼和垂直位置編碼進(jìn)行拼接，得到各個(gè)像素點(diǎn)的位置編碼，能夠在不增加額外的參數(shù)負(fù)擔(dān)的情況下，有效捕捉像素點(diǎn)的空間位置，以提升深度估計(jì)的準(zhǔn)確性。

43、第二方面，本技術(shù)實(shí)施例提供了一種電子裝置，電子裝置包括獲取單元、編碼單元、融合單元以及深度估計(jì)單元；

44、獲取單元，用于獲取檢測場景的回波數(shù)據(jù)和圖像數(shù)據(jù)；

45、編碼單元，用于對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行位置編碼處理，得到各個(gè)像素點(diǎn)各自對應(yīng)的位置編碼；

46、融合單元，用于對回波數(shù)據(jù)和位置編碼進(jìn)行特征融合處理，得到融合的特征信息；

47、深度估計(jì)單元，用于基于融合的特征信息進(jìn)行深度估計(jì)處理，得到檢測場景對應(yīng)的深度估計(jì)結(jié)果。

48、在本實(shí)施例中，電子裝置可以獲取檢測場景的圖像數(shù)據(jù)，并對圖像數(shù)據(jù)中的各個(gè)像素點(diǎn)進(jìn)行位置編碼，由此能夠捕捉像素點(diǎn)在二維的圖像數(shù)據(jù)中的空間位置；進(jìn)而可以利用回波數(shù)據(jù)和位置編碼進(jìn)行特征融合，使得融合的特征信既包含了回波數(shù)據(jù)提供的深度信息，又能夠嵌入像素點(diǎn)的空間位置信息，從而利用融合的特征信息進(jìn)行深度估計(jì)處理，能夠有效提升深度估計(jì)的準(zhǔn)確性和魯棒性。

49、第三方面，本技術(shù)實(shí)施例提供了一種電子裝置，電子裝置包括處理器、存儲有處理器可執(zhí)行指令的存儲器；當(dāng)指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述深度估計(jì)方法。

50、第四方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述深度估計(jì)方法。

51、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，計(jì)算機(jī)程序或指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述深度估計(jì)方法中的步驟。