首页 > 论文 > 激光与光电子学进展 > 57卷 > 06期(pp:061007)

融合扩张卷积网络与SLAM的无监督单目深度估计

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对一般卷积神经网络预测的粗糙特征生成的深度图质量低、以及监督学习处理任务限制数据量等问题,提出一种新颖的融合扩张卷积和同时定位与建图(SLAM)的无监督单目深度估计的方法。该方法采用视图重构的思想估计深度,利用光学一致性误差约束网络训练,扩大感受野,考虑图片细节特征。同时采用SLAM算法优化相机姿态,并嵌入视图重构框架中,实现单目图片与其深度图的直接映射。该方法在公开的KITTI数据集上实验,验证模型的可用性与稳健性。利用标准评估工具对模型评估,结果表明,与经典的sfmlearner方法相比,误差度量指标绝对差(abs_rel)、平方差(sq_rel)、均方差(rms)和对数均方差(log_rms)分别降低了0.032、0.634、1.095和0.026;准确率度量指标δ1、δ2和δ3分别提升了3.8%、2.6%和0.9%。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.061007

作者单位:

    上海工程技术大学电子电气工程学院
    上海工程技术大学
    上海工程技术大学电子电气工程学院

引用该论文

戴仁月,方志军,高永彬. 融合扩张卷积网络与SLAM的无监督单目深度估计[J].激光与光电子学进展,2020,57(06):061007.