单目图像深度估计

场景的深度信息的获取主要通过两种方式：

• 一种是通过专门的硬件设备直接获取深度，如三维激光雷达和RGB-D相机
• 利用同一场景的单幅或者多幅可见光图像序列进行深度的估计
  a.基于多视图的深度估计方法
  b.基于双目图像的深度估计算法
  c.基于单目图像的深度估计方法

基于单目图像的深度估计算法分为两类：基于深度线索(depth cue)的深度估计算法和基于机器学习的深度估计算法。

常用的深度线索包括：运动信息、线性透视、聚焦、遮挡、纹理、阴影等。根据运动信息求解深度是最常用的一个方法：运动恢复结构(Structure from Motion，SfM)技术可以从摄像机拍摄的图像序列中恢复出摄像机的内外参数和场景的深度信息。基于SfM技术的深度估计算法通常能够恢复出较高精度的场景深度信息,但其缺点在于：受制于特殊的场景,要求必须存在摄像机的运动；当场景中存在运动物体时,对深度求解的精度也影响很大；由于需要求解摄像机内外参数,因此深度估计的速度也相对较慢。

通过机器学习的方法，将大量训练图像和对应的深度图像输入到定义好的模型中进行有监督的学习，模型训练完成后，便可将实际待测试的图像输入到训练好的模型中进行深度的计算。这种训练测试的过程非常类似于人类的视觉系统利用积累的先验知识(如各种启发式的深度线索)进行深度感知的过程。基于图模型的深度估计算法是单目图像深度估计算法中最为经典的算法。此类深度估计算法的一般步驟为：1)使用超像素(superpixel)等方法预先将图像分割为多个块，并假设此图像块的深度值相同；2)分别选取绝对的深度特征和相对的深度特征，对应估计每个块的绝对深度和估计相邻块的相对深度(即深度差值)；3)构建后端求解模型，其中最常用的是马尔可夫随机场模型(Markov Random Field,MRF)，通过后端模型建立局部特征和深度之间的相关关系及不同图像块之间深度的相关关系，用训练集训练；4)使用训练好的模型预测深度。斯坦福大学的AndrewY.Ng所领导的团队基于此种方法开发了可通过二维图像重构三维场景的Make3D系统。

转载:
http://www.xjishu.com/zhuanli/55/201710293908.html

单目深度估计

稠密单目方法求取深度的一般流程：

1设定待求取区域
2根据帧间位姿和带有误差的深度计算像素在后来帧上的极线
3在极线上寻找匹配
4三角测量求出本次的观测深度值以及深度的不确定性
5多次测量的深度数据以及方差融合
6 去噪平滑深度图

https://blog.csdn.net/zhubaohua_bupt/article/details/54093689

单目摄像机测距（python+opencv）

https://blog.csdn.net/m0_37811342/article/details/80394935

*用 Python 和 OpenCV 来测量相机到目标的距离

https://blog.csdn.net/iodjSVf8U1J7KYc/article/details/79070936