结合场景深度估计的场景拓扑结构研究

发布时间：2023-04-01 15:00

　　单目图像场景深度结构研究一直是当前计算机视觉任务中重要的组成部分,该任务关注于如何从单目图像中获取与之相对应的场景深度结构。在Marr奠定的计算机视觉理论中,一直将其作为人类视觉的重要任务。场景深度结构一般指的是同一场景中的不同物体在同一个观测设备下形成的三维空间中的拓扑结构关系,在单目图像中这种关系会反映为二维平面关系,如何从单目图像中获取对应目标的前后排序关系是场景深度拓扑结构最终所要解决的问题。在当前单目图像深度场景深度排序任务中依然存在着几大挑战:(1)物体分布杂乱的复杂场景中获取深度线索存在困难,杂乱无章的物体以及目标的悬浮情况直接影响了消失点的检测,导致深度线索缺失;(2)遮挡作为恢复目标区域深度关系的重要线索而存在,但是在某些复杂场景中,经常出现部分物体之间无直接遮挡关系的情况,甚至有些遮挡关系与现实场景中的实际情况出现冲突。针对这些问题本文开展了以下工作:(1)本课题整理了目前深度特征获取和分析的研究现状,从场景深度估计的关键步骤、公开数据集和评价标准等方面进行了充分地阐述。课题交代场景深度信息所采用的表征方法,并从非深度网络,深度网络和图模型三个方面交代了现有方法的基...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 场景深度信息的基本处理流程
        1.2.2 场景深度信息的获取
        1.2.3 场景深度信息的处理
        1.2.4 场景深度信息评价与数据集
    1.3 论文研究内容和章节安排
        1.3.1 论文主要研究内容
        1.3.2 章节安排
    1.4 本章小结
第二章 场景深度信息基本理论
    2.1 场景深度信息的表征
        2.1.1 像素级相对深度表示
        2.1.2 区域级绝对深度表示
    2.2 非深度网络下深度特征获取
        2.2.1 遮挡
        2.2.2 纹理
        2.2.3 消失点
    2.3 深度网络下深度估计
        2.3.1 全卷积网络
        2.3.2 U型网络
        2.3.3 残差网络
        2.3.4 多任务融合网络模型
    2.4 图模型基础理论
    2.5 本章小结
第三章 基于空洞卷积的U型网络下的单目场景深度估计
    3.1 引言
    3.2 基于多尺度空洞卷积的深度估计网络
        3.2.1 普通卷积和空洞卷积
        3.2.2 网络的基本架构
    3.3 网络训练和预测
        3.3.1 深度回归损失函数
        3.3.2 深度估计预测
    3.4 场景深度估计的实验结果与分析
        3.4.1 实验设置
        3.4.2 实验结果分析
    3.5 本章小结
第四章 结合场景深度估计的场景拓扑结构研究
    4.1 引言
    4.2 基于场景深度估计的全局深度线索
    4.3 局部深度线索
    4.4 结合深度线索获取深度排序
        4.4.1 图模型构建
        4.4.2 基于EM算法的参数学习
        4.4.3 图模型推理
    4.5 实验结果与分析
        4.5.1 实验设置
        4.5.2 实验结果分析
    4.6 本章小结
第五章 总结和展望
    5.1 全文总结
    5.2 工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3777350