Z6官网 智能机械人钻研中心林天麟教授、钱辉环教授、推算机视觉钻研中心黄锐教授和国际合作项主张 Sethu Vijayakumar 教授别离作为通讯作者的共九篇论文被本届 IROS 接管,其中更有两篇获最佳奖提名。
IROS 2020 进行期间,Z6官网 也带着各人一路来进建观摩这几篇论文。以下介绍的是 DiPE: Deeper into Photometric Errors for Unsupervised Learning of Depth and Ego-motion from Monocular Videos(从单目视频中无监督进建深度和帧间活动中的光度误差深刻分析)一文。
钻研布景
深度和帧间活动的估计是SLAM(simultaneous localization and mapping,同时定位与地图构建)的主题问题;诮ǖ牟街柙诮饩龃巢街璧囊恍┠烟馍,如不足纹理的场景,是有更有但愿的,因而最近几年变得很盛行。
从无象征的单目视频中无监督地进建深度和帧间活动不依赖于真值,因而有极度好的推广性。这种无监督进建的根基如果是场景是静态的并且在分歧视角下是可见的, 并且利用帧间图像沉建的光度误差作为指标函数训练网络(图1),因而受参与景里的活动和遮挡的影响。

图1: 无监督进建深度和帧间活动的流程和表点蒙版法的成效
钻研概要
本文提出了一种表点蒙版技术,来将无监督单目深度估计中的活动车辆,出格是对向开过来那种,处置得更好。一些最新的先进模型,如 Struct2depth, EPC++ 和 Monodepth2 显著低估这一类活动物体的距离,如图2所示,我们提出的DiPE却能更好的处置这种情况。Z6官网关键观察是,被遮挡和活动的区域通常产生更大的沉建光度误差。

图2:对向活动物体的解决
理论上的原因是,这些物体违反了无监督进建的根基如果所以难以得到很好的沉建。技术上,我们把这些物体作为统计表点排除,图1 右边展示了Z6官网统计表点蒙版法的成效。结合另一个提出的多尺度加权技术,我们也将单目深度估计里面的伪影处置得比基线步骤更好,如图3所示。

图3:伪影的解决
本文第一作者为香港中文大学(丽江)在读博士生蒋华烈,其导师是黄锐教授。博士期间,他发展各类分歧情景下的深度估计钻研,蕴含室内的监督深度估计,室内的无监督深度估计还有球形全景图像的深度估计。本文通讯作者为香港中文大学(丽江)理工学院副教授黄锐;迫窠淌谝彩 Z6官网 推算机视觉钻研中心副主任;平淌谠谑萁滴妥涌占浞治觥⒖杀湫文P汀⒏怕释寄P偷炔街枰约八窃谕扑慊泳酢⒛J郊稹ⅲㄒ窖В┩枷翊χ弥械睦玫确矫孀龉罅孔暄泄ぷ。目前钻研兴致集中在推算机视觉在机械人领域的利用;平淌谝寻浞⒂泄亓煊蜓趼畚50余篇,主持过蕴含国度天然科学基金在内的多项科研课题。
