【深度学习基础知识 - 12】深度估计概述

深度估计是计算机视觉领域中的一个子任务，其目的是获取物体和拍摄点之间的距离，为三维重建、距离感知、SLAM、视觉里程计、活体检测、视频插帧、图像重建等一系列任务提供深度信息。这篇文章会对其做一个简单介绍。

任务目标

• 深度估计任务的目标就是获取物体和拍摄点之间的距离，最终会获得一个深度图，也称为光流图，它记录了同一物体在不同图像之间的视差，再通过相机参数、两个拍摄点之间的位置信息即可换算出物体和拍摄点之间的距离。

什么是视差（光流）

• 先举一个直观的例子，大家应该都坐过车，在车辆移动时往窗外看去，可以看到远处的物体变化的慢，而近处的物体变化的非常快，这里面蕴含的就是视差信息。
• 视差也被称为光流，在上面的例子中，随着车辆的移动，假设你在两个连续的时刻各拍了一张图，如果这两张图像中有一些相同的物体，那么这些物体在这两张图像中像素坐标的差异通常是不同的，而如果某个物体在这两张图片中的像素坐标差异非常大，那么由此可判断这个物体离拍摄点相对较近，而如果某个物体在这两张图像中的像素坐标差异较小，那么可以推断出这个物体距离拍摄点相对较近，也就是说，较近的物体视差较大，较远的物体视差较小，而同一物体在不同图像中的像素坐标差异，就是视差。

深度估计的应用场景

• 视差的主要作用是获取物体的深度信息，也就是和拍摄点之间的距离。
• 在三维重建任务中，可以由此深度获取物体的三维点云图，然后进行三维重建。
• 在距离感知任务中，如基于视觉的自动驾驶中，可以由此判断场