基于倾斜无人机视频的自监督单目深度估计
计算机视觉与模式识别
2020-12-22 v1
摘要
无人机（UAV）因其经济实惠、易于获取且用途广泛，已成为一种必不可少的摄影测量手段。由无人机捕获的航拍图像在小规模和大规模纹理映射、三维建模、目标检测任务、DTM 与 DSM 生成等方面具有应用。摄影测量技术常规用于从无人机图像进行三维重建，其中需获取同一场景的多幅图像。计算机视觉与深度学习技术的发展使单图像深度估计（SIDE）成为 intensively 研究的领域。在无人机图像上使用 SIDE 技术可克服三维重建对多幅图像的需求。本文旨在利用深度学习从单幅无人机航拍图像估计深度。我们遵循自监督学习方法，即自监督单目深度估计（SMDE），其除图像外无需真实深度或任何额外信息即可学习估计深度。单目视频帧用于训练深度学习模型，该模型通过两个不同网络（分别用于深度与位姿）联合学习深度与位姿信息。利用视频的时间信息，将预测的深度与位姿用于从另一图像视角重建一幅图像。我们提出了一种带有双 2D CNN 编码器与 3D CNN 解码器的新颖架构，用于从连续时间帧提取信息。引入对比损失项以提升图像生成质量。我们的实验在公开 UAVid 视频数据集上进行。实验结果表明，我们的模型在深度估计上优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.2012.10704,
title = {Self-supervised monocular depth estimation from oblique UAV videos},
author = {Logambal Madhuanand and Francesco Nex and Michael Ying Yang},
journal= {arXiv preprint arXiv:2012.10704},
year = {2020}
}
备注
Submitted to ISPRS Journal of Photogrammetry and Remote Sensing