基于深度神经网络的水下全向图像深度估计
计算机视觉与模式识别
2019-05-24 v1
摘要
在本工作中，我们利用一种用于空气中透视图像的深度估计全卷积残差神经网络（FCRN）来估计水下透视与全向图像的深度。我们分别针对水下透视图像和全向图像训练了一个常规 FCRN 和一个球面 FCRN。球面 FCRN 通过球面经纬度映射由透视 FCRN 导出。为此，全向相机被建模为一个球体，而其捕获的图像以经纬度形式显示。由于缺乏水下数据集，我们以数据驱动和理论两种方式合成图像，用于训练和测试。最后，在这些合成图像上进行了实验，并以定性和定量方式展示了结果。真实深度图与估计深度图之间的比较表明了我们所提方法的有效性。
引用
@article{arxiv.1905.09441,
title = {Depth Estimation on Underwater Omni-directional Images Using a Deep Neural Network},
author = {Haofei Kuang and Qingwen Xu and Sören Schwertfeger},
journal= {arXiv preprint arXiv:1905.09441},
year = {2019}
}
备注
7 pages, 8 figures, 1 table, accepted by 2019 ICRA workshop "Underwater Robotics Perception"