TanDepth：利用全球 DEM 实现无人机机载单目深度估计的尺度恢复
计算机视觉与模式识别
2025-02-25 v2
摘要
空中场景理解系统面临严格的负载限制，常常依赖单目深度估计来构建场景几何结构，这是一个固有难以确定的问题。此外，获取学习方法所需的准确地面真值数据在空中域也提出了显著的挑战。自监督方法可以规避这一问题，但只能提供尺度未知的结果。类似地，最近的监督方法虽在零样本泛化方面取得良好进展，但仅提供相对深度值。本工作提出了 TanDepth，一种用于从相对估计值推断尺度，从而获得尺度深度结果的方法，与生成它们的模型类型无关。针对无人机 (UAV) 应用进行优化，本方法利用来自全球数字高程模型 (GDEM) 的稀疏测量，通过外参和内参信息将其投影到相机视野中。本文提出了对布尔模拟滤波器的一种改进，允许从估计深度图中选择地面点，然后与投影参考点相关联。我们对所提方法在各种真实场景下的表现进行评估和比较。鉴于该领域数据可得性有限，我们构建并发布了该方法的一个全面、以深度为中心的扩展版，以进一步推动研究。
引用
@article{arxiv.2409.05142,
title = {TanDepth: Leveraging Global DEMs for Metric Monocular Depth Estimation in UAVs},
author = {Horatiu Florea and Sergiu Nedevschi},
journal= {arXiv preprint arXiv:2409.05142},
year = {2025}
}