基于高分辨率网络的自监督单目深度估计方法

摘要：

使用深度学习方法进行单目深度估计时,由于使用多级下采样会出现重建结果细节信息缺失、边缘轮廓模糊等问题.为此,提出一种基于高分辨率网络的自监督单目深度估计方法.首先,通过并行连接使得特征图在编码过程中始终保持高分辨率表示,以充分地保留细节信息;其次,为了提高编码器的学习能力,在编码部分引入注意力模块,对图像特征进行筛选和提炼;最后,针对深度估计的多义性问题,利用非相邻帧图像之间的一致性,设计了一种有效的损失函数,并使用可靠性掩膜来消除动点和遮挡点的干扰.在TensorFlow框架下采用KITTI和Cityscapes数据集进行实验,实验结果表明,与已有深度估计方法相比,该方法不仅能够保留预测深度的边缘信息,而且能够提高预测深度的准确性,可达到0.119的平均相对误差.

关键词：单目深度估计、卷积神经网络、自监督、编码器、深度估计

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;湖南省自然科学基金项目;广西自然科学基金项目

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：118-127