BEVScope：利用鸟瞰图增强动态场景下的自监督深度估计
计算机视觉与模式识别
2023-06-21 v1
摘要
深度估计是自动驾驶与机器人系统感知的基石。激光雷达系统成本高昂且数据采集相对稀疏，这促使人们探索更具成本效益的替代方案，尤其是自监督深度估计。然而，当前的自监督深度估计方法存在若干局限：(1) 未能充分利用信息丰富的多相机视角；(2) 有效处理动态物体的能力有限。为应对这些挑战，我们提出 BEVScope，一种利用鸟瞰图（BEV）特征进行自监督深度估计的创新方法。同时，我们提出一种自适应损失函数，专门设计用于缓解与运动物体相关的复杂性。在 Nuscenes 数据集上进行的实证评估验证了我们的方法，展现出具有竞争力的性能。代码将发布于 https://github.com/myc634/BEVScope。
引用
@article{arxiv.2306.11598,
title = {BEVScope: Enhancing Self-Supervised Depth Estimation Leveraging Bird's-Eye-View in Dynamic Scenarios},
author = {Yucheng Mao and Ruowen Zhao and Tianbao Zhang and Hang Zhao},
journal= {arXiv preprint arXiv:2306.11598},
year = {2023}
}