基于无人机林业应用的深度立体匹配方法泛化评估
计算机视觉与模式识别
2025-12-04 v1
摘要
自主无人机林业作业需要具有强跨域泛化能力的鲁棒深度估计方法。然而，现有评估聚焦于城市和室内场景，忽略了植被密集的特殊环境。我们首次对八种最先进立体方法——RAFT-Stereo、IGEV、IGEV++、BridgeDepth、StereoAnywhere、DEFOM（以及基线方法 ACVNet、PSMNet、TCstereo）——进行了系统性零样本评估，涵盖迭代精修、基础模型和零样本适应范式。所有方法均在 Scene Flow 上 exclusively 训练，并在四个标准基准（ETH3D、KITTI 2012/2015、Middlebury）以及一个由 ZED Mini 相机（1920×1080）采集的新型 5,313 对 Canterbury 林业数据集上无微调评估。性能揭示了场景依赖模式：基础模型在结构化场景上表现优异（BridgeDepth：ETH3D 上 0.23 px，KITTI 上 0.83–1.07 px；DEFOM：跨基准 0.35–4.65 px），而迭代方法保持了跨域鲁棒性（IGEV++：0.36–6.77 px；IGEV：0.33–21.91 px）。关键发现：RAFT-Stereo 在 ETH3D 上出现灾难性失效（26.23 px EPE，98% 错误率），原因是负视差预测，而在 KITTI 上表现正常（0.90–1.11 px）。Canterbury 林业数据集上的定性评估将 DEFOM 确定为植被深度估计的最优金标准基线，其深度平滑性、遮挡处理和跨域一致性均优于 IGEV++，尽管 IGEV++ 保留了更精细的细节。
引用
@article{arxiv.2512.03427,
title = {Generalization Evaluation of Deep Stereo Matching Methods for UAV-Based Forestry Applications},
author = {Yida Lin and Bing Xue and Mengjie Zhang and Sam Schofield and Richard Green},
journal= {arXiv preprint arXiv:2512.03427},
year = {2025}
}