DOC-Depth：一种新型稠密深度基准生成方法
计算机视觉与模式识别
2025-02-05 v1 机器人学
摘要
准确的深度信息对许多计算机视觉应用至关重要。然而，目前没有可用的数据集记录方法允许在大规模动态环境中进行完全稠密的准确深度估计。本文介绍 DOC-Depth，一种新型、高效且易于部署的稠密深度生成方法，可从任意 LiDAR 传感器生成。通过重建一致的稠密 3D 环境，我们自动解决动态对象遮挡问题，这归功于我们的 DOC——最新创新的动态对象分类方法。此外，DOC-Depth 快速且可扩展，允许按需创建大小和时间无限的数据集。我们在 KITTI 数据集上展示了方法的有效性，将其密度从 16.1% 提升到 71.2%，并发布了这套全新完全稠密深度标注，以促进该领域的未来研究。我们还展示了使用各种 LiDAR 传感器和多个环境的结果。所有软件组件均公开可用，以供研究社区使用。
引用
@article{arxiv.2502.02144,
title = {DOC-Depth: A novel approach for dense depth ground truth generation},
author = {Simon de Moreau and Mathias Corsia and Hassan Bouchiba and Yasser Almehio and Andrei Bursuc and Hafid El-Idrissi and Fabien Moutarde},
journal= {arXiv preprint arXiv:2502.02144},
year = {2025}
}
备注
Preprint. Code and dataset available on the project page : https://simondemoreau.github.io/DOC-Depth/