NeoARCADE：面向视障人士辅助无人机的鲁棒距离估计标定

基于 onboard 传感器结合深度学习与计算机视觉算法的无人机自主导航正在影响多个领域。我们考察使用无人机在城市环境中自主跟随并辅助视障人士（VIP）导航的可行性。准确估计无人机与VIP以及周围物体之间的绝对距离，对于设计障碍规避算法至关重要。本文提出NeoARCADE（简称Neo），其利用单目视频流中的深度图估计VIP与障碍物的绝对距离。Neo采用基于深度得分归一化与系数估计的鲁棒标定技术，将深度图中的相对距离转换为绝对距离。进一步developed一种动态标定方法以适应变化场景。我们还开发了两种基线模型（Regression与Geometric），并对比Neo与SOTA深度图方法及基线模型。我们提供详细评估以验证其在多样化动态环境下针对VIP及其他障碍物（如车辆、自行车等）距离估计的鲁棒性与通用性，采用校园环境收集的数据集进行测试。Neo对VIP距离预测误差<30cm，对不同障碍物（如汽车、自行车等）最大误差为60cm，优于基线模型。Neo也显著优于SOTA深度图方法，误差降低最高可达5.3-14.6倍。