OrchardDepth：基于单摄像机图像的orchard场景精确深度估计
计算机视觉与模式识别
2025-02-21 v1
摘要
单摄像机深度估计是机器人感知中的基础任务。近年来，随着更准确和更稳健的神经网络模型和不同类型数据集的发展，单摄像机深度估计在性能和效率方面取得了显著提升。然而，该领域的大多数研究都集中于非常集中的领域。特别是，户外场景中大多数基准数据集属于城市环境，以提高自动驾驶设备的性能，而这些基准数据集与orchard/vineyard环境之间的差异巨大，对初级产业的研究几乎没有帮助。因此，我们提出OrchardDepth，填补了单摄像机在orchard/vineyard环境下度量深度估计的空白。此外，我们提出一种新的再训练方法，通过监控密集深度图与稀疏点的一致性正则化来提高训练结果。我们的方法将orchard环境中深度估计的RMSE从1.5337提高到0.6738，证明了本方法的有效性。
引用
@article{arxiv.2502.14279,
title = {OrchardDepth: Precise Metric Depth Estimation of Orchard Scene from Monocular Camera Images},
author = {Zhichao Zheng and Henry Williams and Bruce A MacDonald},
journal= {arXiv preprint arXiv:2502.14279},
year = {2025}
}
备注
10 pages, 5 figures, Australasian Conference on Robotics and Automation, ACRA, 2024