UDepth：面向视觉引导水下机器人的快速单目深度估计
计算机视觉与模式识别
2023-02-03 v2 图像与视频处理
摘要
本文提出一种快速单目深度估计方法，用于赋予低成本水下机器人三维感知能力。我们构建了名为 UDepth 的新型端到端深度视觉学习流水线，其融入了自然水下场景图像形成特性的领域知识。首先，通过利用水下光衰减先验，从原始 RGB 图像空间适配出新的输入空间，并设计最小二乘公式用于粗粒度逐像素深度预测。随后，我们将其扩展为领域投影损失，以在超过 9K 的 RGB-D 训练样本上引导 UDepth 的端到端学习。UDepth 采用计算轻量的 MobileNetV2 主干与基于 Transformer 的优化器，以确保在嵌入式系统上的快速推理速率。通过领域感知的设计选择及全面的实验分析，我们证明在确保小计算占用的同时，有可能达到最先进的深度估计性能。具体而言，网络参数比现有基准少 70%–80% 的情况下，UDepth 取得了可比且往往更优的深度估计性能。完整模型在单 GPU（CPU 核）上提供超过 66 FPS（13 FPS）的推理速率，而我们用于粗深度预测的领域投影在单板 NVIDIA Jetson TX2 上以 51.5 FPS 速率运行。推理流水线见于 https://github.com/uf-robopi/UDepth。
引用
@article{arxiv.2209.12358,
title = {UDepth: Fast Monocular Depth Estimation for Visually-guided Underwater Robots},
author = {Boxiao Yu and Jiayi Wu and Md Jahidul Islam},
journal= {arXiv preprint arXiv:2209.12358},
year = {2023}
}
备注
10 pages, 6 figures