结合局部平面参数预测的无监督单目图像深度估计
目的 无监督单目图像深度估计是3维重建领域的一个重要方向,在视觉导航和障碍物检测等领域具有广泛的应用价值.针对目前主流方法存在的局部可微性问题,提出了一种基于局部平面参数预测的方法.方法 将深度估计问题转化为局部平面参数估计问题,使用局部平面参数预测模块代替多尺度估计中上采样及生成深度图的过程.在每个尺度的深度图预测中根据局部平面参数恢复至标准尺度,然后依据针孔相机模型得到标准尺度深度图,以避免使用双线性插值带来的局部可微性,从而有效规避陷入局部极小值,配合在网络跳层连接中引入的串联注意力机制,提升网络的特征提取能力.结果 在KITTI(Karlsruhe Institute of Technology and Toyota Technolog-ical Institute at Chicago)自动驾驶数据集上进行了对比实验以及消融实验,与现存无监督方法和部分有监督方法进行对比,相比于最优数据,误差性指标降低了10％～20％,准确性指标提升了2％左右,同时,得到的稠密深度估计图具有清晰的边缘轮廓以及对反射区域更优的鲁棒性.结论 本文提出的基于局部平面参数预测的深度估计方法,充分利用卷积特征信息,避免了训练过程中陷入局部极小值,同时对网络添加几何约束,使测试指标及视觉效果更加优秀.
无监督学习、单目深度估计、注意力机制、局部平面参数估计、局部可微性
26
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61573182
2021-03-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
165-175
