BoRe-Depth：面向嵌入式系统的自监督单目深度估计模型

深度估计是实现无人系统 3D 感知的关键技术之一。由于其低成本优势，单目深度估计被广泛研究，但现有方法在嵌入式系统上面临深度估计性能差和物体边界模糊的挑战。本文提出一种新型单目深度估计模型 BoRe-Depth，仅包含 870 万参数。它能够在嵌入式系统上准确估计深度图，并显著提升边界质量。首先，我们设计了增强特征自适应融合模块 (EFAF)，自适应融合深度特征以增强边界细节表征。其次，我们将语义知识整合到编码器中，以提高对象识别和边界感知能力。最后，在 NVIDIA Jetson Orin 上部署 BoRe-Depth，运行效率达 50.7 FPS。我们展示，所提模型在多个具有挑战性的数据集上显著优于之前的轻量级模型，并提供所提方法的详细消融研究。代码已公开于 https://github.com/liangxiansheng093/BoRe-Depth。