自监督单目深度估计的尺度标定
计算机视觉与模式识别
2021-10-14 v2
摘要
近年来，许多方法证明了神经网络仅以自监督作为训练信号，即可在图像序列中学习深度与位姿变化的能力。尽管这些网络取得了良好性能，但常被忽视的一个细节是：由于单目视觉固有的模糊性，它们预测的深度存在一个未知的缩放因子。该缩放因子通常在测试时由 LiDAR 真实值获得，这严重限制了这些方法在实际中的应用。在本文中，我们表明，通过引入关于相机配置与环境先验信息，可以消除尺度模糊性并直接预测深度，且仍采用自监督形式，不依赖任何额外传感器。
引用
@article{arxiv.2009.07714,
title = {Calibrating Self-supervised Monocular Depth Estimation},
author = {Robert McCraith and Lukas Neumann and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2009.07714},
year = {2021}
}