基于深度学习目标检测与单目深度估计模型的绝对距离预测
计算机视觉与模式识别
2021-11-03 v1
摘要
通过使用立体相机或 3D 相机估计深度图像，可以从 2D 图像中确定场景中物体与相机传感器之间的距离。深度估计的结果是相对距离，可用于计算绝对距离以应用于现实。然而，使用 2D 单目相机进行距离估计非常具有挑战性。本文提出一个深度学习框架，该框架由两个深度网络组成，用于使用单张图像进行深度估计和目标检测。首先，使用 You Only Look Once (YOLOv5) 网络检测并定位场景中的物体。同时，使用深度自编码器网络计算估计的深度图像以检测相对距离。所提出的基于目标检测的 YOLO 使用监督学习技术进行训练，而深度估计网络则进行自监督训练。所提出的距离估计框架在室外场景的真实图像上进行了评估。取得的结果表明，所提出的框架很有前景，其正确绝对距离的准确率达到 96%，RMSE 为 0.203。
引用
@article{arxiv.2111.01715,
title = {Absolute distance prediction based on deep learning object detection and monocular depth estimation models},
author = {Armin Masoumian and David G. F. Marei and Saddam Abdulwahab and Julian Cristiano and Domenec Puig and Hatem A. Rashwan},
journal= {arXiv preprint arXiv:2111.01715},
year = {2021}
}
备注
10 pages, Submitted to 23rd International Conference of the Catalan Association for Artificial Intelligence (CCIA 2021)