基于单目相机的深度估计系统

发布时间：2021-11-18 05:24

　　近些年,随着计算机软件算法的创新以及硬件计算力的突破,深度学习技术获得了突破性的发展与进步,人类正在采用深度学习技术构建人工智能的新时代。人工智能研究的一个重要领域就是计算机视觉,从目前进展来看,深度学习技术成功解决了二维视觉之中的一个又一个难题,计算机视觉方面的研究重点正在慢慢的从二维视觉转向三维视觉。其中,单目深度估计就是三维视觉中一个十分基础但又很有挑战性的工作。单目深度估计具有广阔的发展前景,应用领域包括无人车、移动机器人、增强现实（AR）、三维重建等。目前,现有的单目深度估计方法都存在局限性,传统方法（SFM、SLAM）利用帧间的运动来估计相机姿态,然后采用三角测量法来恢复场景深度,得到的深度图往往是稀疏的,半稠密的。而利用卷积神经网络进行单目深度估计虽然可以得到稠密的深度图,但是尚处于发展阶段不够成熟,精度还有待提高。本文致力于设计一个快速准确的单目深度估计系统。整个系统主要由两大部分组成:第一部分是网络部分。本文设计了一个59层的卷积神经网络用来进行深度图和不确定度分布图的预测。其中,不确定度分布图中每一个像素点的值表示的是该像素点深度预测值的不确定度;第二部分是帧间信息... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

单目深度估计应用

2 相关技术本章主要介绍与本研究关系紧密的相关技术，包括了对于视觉 SLAM 系统的简单介绍，对于特征点法进行相机姿态估计的详细推导，对于视觉 SLAM 之中深度滤波器理论的重点分析。2.1 视觉 SLAM 系统进行单目深度估计的传统方法包括了运动恢复结构（SFM，Structure From Motion）技术和即时定位与地图重建（SLAM，Simultaneous LocalizationAnd Mapping）技术。我们将以视觉 SLAM 技术为例对传统方法进行分析和介绍。如下图 2-1 所示，经典的视觉 SLAM 系统主要由传感器，视觉里程计(VisualOdometry, VO)，后端优化（Optimization），回环检测（Loop Closing）和建图（Mapping）五个基本部分组成。

华 中 科 技 大 学 硕 士 学 位 论 文使用 ORB 特征进行特征匹配时，BRIFE 会使用汉明距离（两数的个数）来计算特征点之间的相似程度，计算速度更加快捷主要有暴力匹配和快速最近邻两种方法。考虑到实时性的要要采用快速最近邻来进行特征匹配。通过特征匹配找到了相邻步就可以采用对极几何和三角测量法对相机的姿态和特征点的何在两个视角下的成像具有很大的关联性，在具有共视关系的像，这种隐藏的约束关系被称为对极几何，我们将利用这一关系理如下图 2-2 所示。

【参考文献】：
期刊论文
[1]基于信息融合的无人驾驶图像数据处理方法[J]. 戴耀威,高正创,唐树银,李宍宇,叶继铭.  网络安全技术与应用. 2019(04)
[2]无人驾驶汽车环境感知技术综述[J]. 孙志国.  南方农机. 2019(03)
[3]深度学习在军用光缆线路无人机巡检中的应用[J]. 张明江,李红卫,赵卫虎,夏贵进,王程远.  光通信研究. 2018(06)
[4]基于计算机视觉及深度学习的无人机手势控制系统[J]. 马乐乐,李照洋,董嘉蓉,侯永宏.  计算机工程与科学. 2018(05)
[5]基于深度学习的无人机人机交互系统[J]. 侯永宏,叶秀峰,张亮,李照洋,董嘉蓉.  天津大学学报(自然科学与工程技术版). 2017(09)
[6]基于深度学习的无人车夜视图像语义分割[J]. 高凯珺,孙韶媛,姚广顺,赵海涛.  应用光学. 2017(03)

博士论文
[1]基于RGB-D摄像机的增强现实系统关键技术研究[D]. 李佳宁.浙江大学 2017

硕士论文
[1]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[2]基于计算机视觉和深度学习的自动驾驶方法研究[D]. 白辰甲.哈尔滨工业大学 2017
[3]增强现实中深度一致性问题的研究[D]. 刘自强.沈阳工业大学 2017
[4]增强现实沙盒实现及地形重建技术研究[D]. 王心丹.山东大学 2017



本文编号：3502295