视觉3D感知（三）：双目深度估计

双目感知

优势：

• 单目3D感知依赖于先验知识和几何约束
• 深度学习的算法非常依赖于数据集的规模、质量以及多样性
• 双目系统解决了透视变换带来的歧义性
• 双目感知不依赖于物体检测的结果，对任意障碍物均有效

劣势：

• 硬件：摄像头需要精确配准，车辆运行过程中也要始终保持配准的正确性
• 软件：算法需要同时处理来自两个摄像头的数据，计算复杂度较高

双目深度估计

基本原理

1.概念和公式

• B：基线长度（两个相机之间的距离）

• f：相机的焦距

• d：视差(左右两张图像上同一个3D点之间的距离)

• f和B是固定的，要求解深度z，只需估计视差d（xl-xr）

根据相似三角形，得到 { f / z = x l / x f / z = x r / x − B 只有 x 和 z 是未知变量 根据相似三角形，得到

$$\begin{cases} f/z=xl/x\\ f/z=xr/x-B \end{cases}$$ \\ 只有x和z是未知变量 根据相似三角形，得到{f/z=xl/xf/z=xr/x−B​只有x和z是未知变量

得到下列式子：

$$Z=fB/d$$

2.视差估计：对于左图中的每个像素点。需要找到右图中与其匹配的点。

• 对于每个可能的视差（范围有限），计算匹配误差，因此得到的三维误差数据称为Cost Volume。、
• 计算匹配误差时考虑像素点附近的局部区域，比如对局部区域内所有对应像素值的差进行求和。
• 通过Cost Volume可以得到每个像素处的视差(对应最小匹配误差的),从而得到深度值。

双目深度估计的关键是计算匹配误差 计算匹配的误差的关键是特征提取

PSMNET

1.左右图像上采用共享的卷积网络进行特征提取

• 包括下采样，金字塔结构和空洞卷积来提取多分辨率的而信息并扩大感受野

2.左右特征图构建Cost Volume

3.3D卷积提取左右特征图以及不同视差级别之间的信息

4.上采样到原始分辨率，找到匹配误差最小的视差值

5.过程

6.结果分析（KITTI数据集）

• 物体和背景上出现误差
  

原因分析：虽然特征包含了邻域信息，但是缺乏高层语义信息的监督信号，无法理解场景。

改进方法：用物体检测和语义分割的结果进行后处理，或者多个任务

• 距离过长出现的误差

原因分析：远距离的视差值较小，在离散的图像像素上难以区分
$$Z=fB/d$$
改进方法：①提高图像的空间分辨率（长焦），使得远距离物体也有较多的像素覆盖

②增加基线长度，从而增加视差的范围

• 低纹理或者低光照的区域，深度估计误差较大

原因分析：在该区域内无法有效提取特征，用于计算匹配误差

改进方法：提高摄像头的动态范围，或者采用可以测距的传感器

具体的仿真过程记录在下一篇里面有。