SweepNet：宽基线全向深度估计
计算机视觉与模式识别
2019-08-19 v2
摘要
全向深度感知相较于传统立体系统具有优势，因为它使我们能够无盲区地识别各个方向上的感兴趣物体。本文提出一种新颖的宽基线全向立体算法，利用深度卷积神经网络从鱼眼图像计算稠密深度估计。采集系统由安装在宽基线装置上的多个具有超广视场（FOV）镜头的相机组成，我们基于光束法平差给出了外参标定算法。与从多组校正图像估计深度图再拼接的方法不同，我们的方法直接在装置全局坐标系下生成一幅具有完整360度覆盖的稠密全向深度图。为此，所提出的神经网络设计为在球面扫描方法中从变形图像输出代价体，并通过SGM对聚合代价体取最小代价索引来估计最终深度图。为训练深度神经网络并测试整个系统，使用Blender渲染了逼真的合成城市场景数据集。基于合成与真实世界数据集的实验表明，我们的算法优于传统深度估计方法并生成高度准确的深度图。
引用
@article{arxiv.1902.10904,
title = {SweepNet: Wide-baseline Omnidirectional Depth Estimation},
author = {Changhee Won and Jongbin Ryu and Jongwoo Lim},
journal= {arXiv preprint arXiv:1902.10904},
year = {2019}
}
备注
Accepted by ICRA 2019