基于自监督学习的自动驾驶深度预测

环境感知是实现自动驾驶的关键组成部分。它赋予车辆理解周围环境并做出明智决策的能力。深度预测在此过程中起着关键作用，因为它有助于理解环境的几何结构与运动。本论文聚焦于使用单目自监督学习技术进行深度预测的挑战。首先从更宏观的视角探讨该问题，探索了条件生成对抗网络作为实现更好泛化能力的潜在技术。在此过程中，提出了对条件 GAN 的一项基础性贡献——acontrario cGAN。第二项贡献涉及一种单图像到深度的自监督方法，提出了一种基于 Transformer 的新颖方法来解决刚体场景假设问题，该方法为每个动态物体输出一个位姿。第三个重要方面涉及引入一种视频到深度图预测方法。该方法作为自监督技术的扩展，用于预测未来深度。这包括创建一个能够预测给定场景未来深度的新颖 Transformer 模型。此外，还解决了上述方法的各种局限性，并提出了一种视频到视频深度图模型。该模型利用输入和输出序列的时空一致性来预测更准确的深度序列输出。这些方法在自动驾驶（AD）和高级驾驶辅助系统（ADAS）中具有重要应用。