扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

武汉科技大学陶波与Jiaxin, Hu等团队:雾中自监督单目深度估计

论论资讯 | 2023-03-01 2热度

Optical Engineering

Explore content

About the journal

Publish with us

Self-supervised monocular depth estimation in fog

Tao B.; Hu J.; Jiang D.; Li G.; Chen B.; Qian X.

Published:2023-03-01
DOI:10.1117/1.oe.62.3.031208

研究背景

现在,自我监督深度估计技术在晴天的场景下已经取得了显著的成果。然而,在雾天场景下,它们的性能受到雾气引起的低对比度和有限可见性的限制。这就需要一种方法来解决这个问题。

研究内容

为了解决这个问题,研究人员提出了一种端到端的特征分离网络,用于自我监督的雾图像深度估计。研究人员采用成对的清晰图像和合成雾图像作为输入,通过特征提取器将图像信息分为干扰信息(照明、雾等)和不变信息(结构、纹理等)。不变信息被用来估计深度。同时,引入相似性损失来限制雾图像深度,使用清晰图像的深度作为伪标签,并添加注意力模块和重构损失来精细化输出深度,以便获得更好的深度图。然后,使用真实的雾图像进行微调,有效地减少了合成数据和真实数据之间的领域差异。实验表明,该方法在合成数据集和Cityscape数据集上都能产生先进的结果,证明了该方法的优越性。

研究意义

该研究的创新点在于,它提出了一种新的方法来解决自我监督深度估计技术在雾天场景下的限制。这项研究不仅可以提高自动驾驶汽车的安全性能,还可以在其他领域中得到广泛应用,例如机器人导航、虚拟现实和增强现实等。因此,该研究具有重要的理论和实际意义。

微信扫码即可查看