M4Depth：面向未知环境中自动驾驶车辆的单目深度估计
计算机视觉与模式识别
2022-07-04 v3
摘要
在使用深度传感器不可行时，估算到物体的距离对自动驾驶车辆至关重要。此时，距离必须从车载 RGB 摄像头估计，这是一项复杂任务，尤其在自然户外景观等环境中。本文提出一种名为 M4Depth 的深度估计新方法。首先，我们建立深度与两连续帧视觉视差之间的双射关系，并展示如何利用它执行运动不变的逐像素深度估计。然后，我们详述基于金字塔卷积神经网络架构的 M4Depth，其中每一层通过使用两个定制代价体来细化输入的视差图估计。我们利用这些代价体来利用运动施加的视觉时空约束，并使网络对多样场景具有鲁棒性。我们在包含多种户外场景中合成相机轨迹的公开数据集上以测试与泛化模式对方法进行了基准评测。结果表明，我们的网络在这些数据集上优于当前最优（SOTA），同时在标准深度估计基准上也表现良好。我们的方法代码公开于 https://github.com/michael-fonder/M4Depth。
引用
@article{arxiv.2105.09847,
title = {M4Depth: Monocular depth estimation for autonomous vehicles in unseen environments},
author = {Michaël Fonder and Damien Ernst and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:2105.09847},
year = {2022}
}
备注
Main paper: 9 pages, Appendix: 4 pages, References: 2 pages. Code available on GitHub: https://github.com/michael-fonder/M4Depth