使用稀疏 LiDAR 监督的单目鱼眼相机深度估计
计算机视觉与模式识别
2018-09-25 v3
摘要
自动驾驶汽车周围的近场深度估计是一项重要功能，可通过四个视场角超过 180 度的广角鱼眼相机来实现。基于卷积神经网络 (CNN) 的深度估计产生了 state-of-the-art 的结果，但由于无法手动获取深度标注，其进展受到了阻碍。合成数据集被普遍使用，但它们存在局限性。例如，它们无法捕捉真实数据集中所呈现的车辆等物体外观的广泛变异性。在对自然图像进行推理时还存在领域偏移，许多试图显式处理领域自适应的尝试说明了这一点。在这项工作中，我们探索了一种替代方法，即使用稀疏 LiDAR 数据作为鱼眼相机深度估计的真值进行训练。我们使用配备 64 束 Velodyne LiDAR 和四个广角鱼眼相机的自动驾驶汽车装置构建了自己的数据集。为了处理 LiDAR 和鱼眼相机视点的差异，我们实现了一种遮挡消解机制。我们从 Eigen 的多尺度卷积网络架构出发，并通过修改激活函数和优化器进行了改进。我们在自己的数据集上获得了有希望的结果，其 RMSE 误差与在 KITTI 上获得的 state-of-the-art 结果相当。
引用
@article{arxiv.1803.06192,
title = {Monocular Fisheye Camera Depth Estimation Using Sparse LiDAR Supervision},
author = {Varun Ravi Kumar and Stefan Milz and Martin Simon and Christian Witt and Karl Amende and Johannes Petzold and Senthil Yogamani and Timo Pech},
journal= {arXiv preprint arXiv:1803.06192},
year = {2018}
}