先进驾驶辅助系统中基于单目视觉的场景深度估计方法

丁萌; 姜欣言

doi:doi:10.3788/AOS202040.1715001

光学学报, 2020, 40 (17): 1715001, 网络出版: 2020-08-26

先进驾驶辅助系统中基于单目视觉的场景深度估计方法下载： 1260次

Scene Depth Estimation Based on Monocular Vision in Advanced Driving Assistance System

丁萌 ^1,2,*姜欣言 ¹

作者单位

¹ 南京航空航天大学民航学院, 江苏南京 211106

² 中国民用航空局飞机健康监测与智能维护重点实验室, 江苏南京 211106

图 & 表

图 1. 基于双目重建方法的原理

Fig. 1. Principle based on binocular reconstruction method

下载图片查看原文

图 2. 基于左右视图的景深估计及损失函数

Fig. 2. Depth of field estimation and loss function based on left and right views

下载图片查看原文

图 3. 多尺度统一操作原理

Fig. 3. Principle of multi scale unified operation

下载图片查看原文

图 4. 本网络的流程图

Fig. 4. Flow chart of our network

下载图片查看原文

图 5. 四种方法的评价指标(KITTI数据集)。(a) AbsRel;(b) RMSE

Fig. 5. Evaluation indicators of the four methods (KITTI dataset). (a) AbsRel; (b) RMSE

下载图片查看原文

图 6. KITTI数据集上的景深估计结果。(a)原始图像;(b)真实值;(c)文献[ 14]的方法;(d)文献[ 17]的方法;(e)文献[ 20]的方法;(f)本方法

Fig. 6. Depth estimation results on the KITTI dataset. (a) Original image; (b) true value; (c) method of Ref.[14]; (d) method of Ref.[17]; (e) method of Ref.[20]; (f) our method

下载图片查看原文

图 7. 四种方法的评价指标(Make3D数据集)。(a) AbsRel;(b) RMSE

Fig. 7. Evaluation indicators of the four methods (Make3D dataset). (a) AbsRel; (b) RMSE

下载图片查看原文

图 8. 室外道路景深估计结果。(a)原始图像;(b)景深估计结果

Fig. 8. Depth estimation results of outdoor roads.(a) Original image; (b) estimated result of depth of field

下载图片查看原文

表 1不同的阈值得到的X_CRR(KITTI数据集)

Table1. X_CRR obtained by different thresholds (KITTI dataset)unit: %

X_thr	Ref.[14]	Ref.[17]	Ref.[20]	Ours
1.25	70.2	73.4	81.5	82.6
1.25²	89.0	90.2	92.2	92.8
1.25³	95.8	95.9	96.8	97.4

查看原文

表 2不同的阈值得到的X_CRR(Make3D数据集)

Table2. X_CRR obtained by different thresholds (Make3D dataset)unit: %

X_thr	Ref.[14]	Ref.[17]	Ref.[20]	Ours
1.25	69.2	66.2	72.1	75.2
1.25²	89.9	88.5	90.7	91.2
1.25³	94.8	93.2	95.1	96.2

查看原文

丁萌, 姜欣言. 先进驾驶辅助系统中基于单目视觉的场景深度估计方法[J]. 光学学报, 2020, 40(17): 1715001. Meng Ding, Xinyan Jiang. Scene Depth Estimation Based on Monocular Vision in Advanced Driving Assistance System[J]. Acta Optica Sinica, 2020, 40(17): 1715001.

先进驾驶辅助系统中基于单目视觉的场景深度估计方法下载： 1260次

图 1. 基于双目重建方法的原理

Fig. 1. Principle based on binocular reconstruction method

图 2. 基于左右视图的景深估计及损失函数

Fig. 2. Depth of field estimation and loss function based on left and right views

图 3. 多尺度统一操作原理

Fig. 3. Principle of multi scale unified operation

图 4. 本网络的流程图

Fig. 4. Flow chart of our network

图 5. 四种方法的评价指标(KITTI数据集)。(a) AbsRel;(b) RMSE

Fig. 5. Evaluation indicators of the four methods (KITTI dataset). (a) AbsRel; (b) RMSE

图 6. KITTI数据集上的景深估计结果。(a)原始图像;(b)真实值;(c)文献[ 14]的方法;(d)文献[ 17]的方法;(e)文献[ 20]的方法;(f)本方法

Fig. 6. Depth estimation results on the KITTI dataset. (a) Original image; (b) true value; (c) method of Ref.[14]; (d) method of Ref.[17]; (e) method of Ref.[20]; (f) our method

图 7. 四种方法的评价指标(Make3D数据集)。(a) AbsRel;(b) RMSE

Fig. 7. Evaluation indicators of the four methods (Make3D dataset). (a) AbsRel; (b) RMSE

图 8. 室外道路景深估计结果。(a)原始图像;(b)景深估计结果

Fig. 8. Depth estimation results of outdoor roads.(a) Original image; (b) estimated result of depth of field

表 1不同的阈值得到的X_CRR(KITTI数据集)

Table1. X_CRR obtained by different thresholds (KITTI dataset)unit: %

表 2不同的阈值得到的X_CRR(Make3D数据集)

Table2. X_CRR obtained by different thresholds (Make3D dataset)unit: %

关于本站 Cookie 的使用提示

全站搜索

先进驾驶辅助系统中基于单目视觉的场景深度估计方法 下载： 1260次

图 1. 基于双目重建方法的原理

Fig. 1. Principle based on binocular reconstruction method

图 2. 基于左右视图的景深估计及损失函数

Fig. 2. Depth of field estimation and loss function based on left and right views

图 3. 多尺度统一操作原理

Fig. 3. Principle of multi scale unified operation

图 4. 本网络的流程图

Fig. 4. Flow chart of our network

图 5. 四种方法的评价指标(KITTI数据集)。(a) AbsRel;(b) RMSE

Fig. 5. Evaluation indicators of the four methods (KITTI dataset). (a) AbsRel; (b) RMSE

图 6. KITTI数据集上的景深估计结果。(a)原始图像;(b)真实值;(c)文献[ 14]的方法;(d)文献[ 17]的方法;(e)文献[ 20]的方法;(f)本方法

Fig. 6. Depth estimation results on the KITTI dataset. (a) Original image; (b) true value; (c) method of Ref.[14]; (d) method of Ref.[17]; (e) method of Ref.[20]; (f) our method

图 7. 四种方法的评价指标(Make3D数据集)。(a) AbsRel;(b) RMSE

Fig. 7. Evaluation indicators of the four methods (Make3D dataset). (a) AbsRel; (b) RMSE

图 8. 室外道路景深估计结果。(a)原始图像;(b)景深估计结果

Fig. 8. Depth estimation results of outdoor roads.(a) Original image; (b) estimated result of depth of field

表 1不同的阈值得到的XCRR(KITTI数据集)

Table1. XCRR obtained by different thresholds (KITTI dataset)unit: %

表 2不同的阈值得到的XCRR(Make3D数据集)

Table2. XCRR obtained by different thresholds (Make3D dataset)unit: %

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

先进驾驶辅助系统中基于单目视觉的场景深度估计方法下载： 1260次

表 1不同的阈值得到的X_CRR(KITTI数据集)

Table1. X_CRR obtained by different thresholds (KITTI dataset)unit: %

表 2不同的阈值得到的X_CRR(Make3D数据集)

Table2. X_CRR obtained by different thresholds (Make3D dataset)unit: %