Struct-MDC：利用视觉SLAM结构规律性的网格细化无监督深度补全
计算机视觉与模式识别
2022-05-02 v1 机器人学
摘要
基于特征的视觉同步定位与建图（SLAM）方法仅估计所提取特征的深度，生成稀疏深度图。为解决该稀疏性问题，从稀疏深度估计稠密深度的深度补全任务在探索等机器人应用中变得十分重要。现有使用视觉SLAM稀疏深度的方法主要采用点特征。然而，由于点特征在弱纹理环境和稀疏性问题上的局限，其在保持结构规律性方面存在不足。为应对这些问题，我们利用线特征执行带视觉SLAM的深度补全，线特征比点特征能更好地包含结构规律性。所提方法通过约束Delaunay三角剖分并利用线特征进行深度插值，生成凸包区域。但生成的深度包含低频信息且在凸包边界处不连续。因此，我们提出网格深度细化（MDR）模块以解决该问题。MDR模块将输入图像的高频细节有效迁移至插值深度，并在连接传统方法与基于深度学习的方法中发挥关键作用。Struct-MDC在公开数据集和我们的自定义数据集上优于其他最先进算法，甚至在部分指标上优于有监督方法。此外，所提MDR模块的有效性通过严谨的消融实验得到验证。
引用
@article{arxiv.2204.13877,
title = {Struct-MDC: Mesh-Refined Unsupervised Depth Completion Leveraging Structural Regularities from Visual SLAM},
author = {Jinwoo Jeon and Hyunjun Lim and Dong-Uk Seo and Hyun Myung},
journal= {arXiv preprint arXiv:2204.13877},
year = {2022}
}
备注
8 pages