利用稀疏点云偏序关系的半监督单目图像深度估计
为了减少传统基于学习的深度估计方法对大量稠密深度数据的依赖, 提出了一种基于偏序关系的深度估计方法. 首先对RGB 图像进行超像素划分, 根据稀疏点云在超像素图像上的投影生成超像素的深度, 进而在超像素中心之间建立了深度偏序关系, 结合稀疏点云的实际深度值作为监督信息, 训练卷积神经网络估计场景深度. 在 NYU Depth v2 数据集上的实验结果表明, 该方法仅需稀疏点云就可达到 0.262 的平均相对误差, 优于之前国际同类方法,甚至超过部分使用稠密深度数据的监督方法.
深度估计、偏序关系、稀疏点云
31
TP391.41(计算技术、计算机技术)
空间智能控制技术实验室开放基金课题HTKJ2019KL502003;中国科学院计算技术研究所创新课题20186090
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
2038-2046