从一条线解析几何：基于部分激光观测的单目深度估计
计算机视觉与模式识别
2016-11-08 v1 机器人学
摘要
许多标准机器人平台至少配备一个固定的2D激光测距仪和单目相机。尽管这些平台没有用于3D深度感知的传感器，但深度知识在许多机器人活动中至关重要。因此，最近利用单目图像进行深度估计的兴趣日益增长。由于该任务固有模糊性，数据驱动估计的深度在机器人应用中可能不可靠。本文尝试通过引入来自剩余激光测距仪的2D平面观测来改进单目深度估计的精度，无需额外成本。具体而言，我们从稀疏激光测距数据构建密集参考图，将深度估计任务重新定义为估计真实深度与参考深度之间的距离。为解决问题，我们构建了一种新颖的残差中的残差神经网络，并紧密结分类和回归损失以进行连续深度估计。实验结果表明，与NYUD2和KITTI上的最先进方法相比，我们的方法取得了可观提升，验证了利用额外感官信息的有效性。我们进一步展示了我们的方法在避障中的潜在用途，其中我们的方法相比单独使用单目相机或2D激光测距仪的解决方案提供了全面的深度信息。
引用
@article{arxiv.1611.02174,
title = {Parse Geometry from a Line: Monocular Depth Estimation with Partial Laser Observation},
author = {Yiyi Liao and Lichao Huang and Yue Wang and Sarath Kodagoda and Yinan Yu and Yong Liu},
journal= {arXiv preprint arXiv:1611.02174},
year = {2016}
}