基于监督与无监督学习的室内全景深度估计
计算机视觉与模式识别
2021-09-22 v1 机器人学
摘要
深度估计作为将 2D 图像转换到 3D 空间的必要线索，已应用于许多机器视觉领域。然而，为实现完整的周边 360 度几何感知，传统的用于深度估计的立体匹配算法受限于大噪声、低精度以及对多相机标定的严格要求。在本工作中，为统一的周边感知，我们引入全景图像以获取更大视场。我们将先前会议工作中首次出现的用于室外场景理解的 PADENet 扩展，以执行侧重于室内场景的全景单目深度估计。同时，我们改进了适应全景图像特性的神经网络训练过程。此外，我们将传统立体匹配算法与深度学习方法融合，进一步提高了深度预测的精度。通过全面多样的试验，本研究证明了我们面向室内场景感知方案的有效性。
引用
@article{arxiv.2108.08076,
title = {Panoramic Depth Estimation via Supervised and Unsupervised Learning in Indoor Scenes},
author = {Keyang Zhou and Kailun Yang and Kaiwei Wang},
journal= {arXiv preprint arXiv:2108.08076},
year = {2021}
}
备注
Accepted to Applied Optics. Code will be made publicly available at https://github.com/zzzkkkyyy/PADENet