基于局部注意力和位姿迭代优化的自监督单目深度估计算法
A Self-supervised Monocular Depth Estimation Algorithm Based on Local Attention and Iterative Pose Refinement作者机构：中国航天系统科学与工程研究院北京100048
出 版 物：《信号处理》 (Journal of Signal Processing)
年 卷 期：2022年第38卷第5期
页 面：1088-1097页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
摘 要：自监督单目深度估计在自动驾驶、智能制造等领域有着广泛的应用。然而由于自监督训练存在大量训练噪声,其估计精度受到了极大限制。针对自监督单目深度估计算法中深度估计精度有限的问题,本文提出了一种基于局部注意力机制和迭代调优的自监督单目深度估计框架。首先,对于深度估计网络,基于局部像素间深度值的高度相关性,本文设计了一种局部注意力机制来融合高分辨率特征图的局部特征,提升深度估计的准确性;其次,对于位姿估计网络,本文设计了一种迭代调优的位姿估计结构,利用残差优化的方式降低位姿估计难度,提升位姿估计的准确性进而提升深度估计网络的性能。实验表明,本文提出的改进自监督单目深度估计算法有效提升了深度估计的精度。
维普期刊数据库
同方期刊数据库