离焦：从图像散景中学习深度用于机器人感知
计算机视觉与模式识别
2017-05-04 v1 机器人学
摘要
在本项目中，我们提出了一种从RGB图像估计深度的新方法。传统上，大多数工作使用单张RGB图像来估计深度，这本身十分困难，且通常性能较差，即便有数千个数据样本也是如此。在本工作中，我们转而使用在改变相机镜头焦点时捕获的多张RGB图像。该方法利用与焦点图像序列中不同清晰/模糊模式相关联的自然深度信息，有助于区分不同深度处的物体。由于不存在用于学习此映射的此类数据集，我们使用定制硬件收集了自己的数据集。随后，我们使用卷积神经网络从堆叠的焦点图像中学习深度。我们在标准RGBD数据集和我们的自有数据集（从单张和多张图像学习）上进行了比较研究，结果证实堆叠焦点图像比仅使用单张RGB图像能产生更好的深度估计。
引用
@article{arxiv.1705.01152,
title = {Out-of-focus: Learning Depth from Image Bokeh for Robotic Perception},
author = {Eric Cristofalo and Zijian Wang},
journal= {arXiv preprint arXiv:1705.01152},
year = {2017}
}