科研之友
微信
新浪微博
Facebook
分享链接
摘要
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 Depthv2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.
- 单位
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 Depthv2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.
