单拍度从Focused Plenoptic相机获取指标深度

从视觉传感器获取指标深度对于机器人感知、导航和与环境交互至关重要。传统的测距成像 setup（如立体相机或结构光相机）面临校准、遮挡和硬件需求等困扰， accuracy limited by cameras 之间的 baseline。单视图或多视图单目深度提供了更紧凑的替代方案，但受限于指标尺度的不可观测性。光场成像提供了一个通过单个设备使用独特镜头配置来估计指标深度的有前景的解决方案。然而，其应用于单视图密集指标深度仍不充分，主要由于高昂的成本、缺乏公开基准，以及专有的几何模型和软件。我们的工作探索了使用聚焦光场相机获取密集指标深度的潜力。我们提出了一种新颖的管道，从单个光场相机拍摄中预测指标深度，首先生成稀疏的指标点云，通过机器学习，然后用于缩放和对齐由基础深度模型回归的稠密相对深度图，从而得到密集指标深度。为验证，我们 curated了光场与立体图像数据集（LFS），包含具有立体深度标签的真实世界光场图像，填补了现有资源中的空白。实验结果表明，我们的管道产生准确的指标深度预测，为该领域的未来研究奠定了坚实的基础。