视差图转为深度图_纽劢研习社 | 深度图的非深度讲解

本期话题：深度图

内容要点

1. 深度图基础知识

2. 不同的技术路径

• 传统方法

• 早期深度学习方法

• 当前深度学习方法

• 结合时序信息的深度学习方法

3. 深度估计的主要模块

对很多人来说，自动驾驶早已不是一个陌生的名词，但是深度图(Depth Map)的话，相信不少人还是第一次听说。

顾名思义，深度图是用来反映深度信息的图像，而其中的深度信息指的就是距离信息。它用来描述相机拍摄到的场景图像中每个像素点到相机的深度，计算环境中物体到相机的距离。

图1：深度图示意效果

(颜色越浅的部分深度越小，距离越近。)

01

深度图的基础知识

在自动驾驶中，如果车辆能够稳定可靠地获取场景中各点的深度信息，那么它的作用是显而易见的，比如进行像素级的测距，3D目标检测，未定义障碍物的检测，等等。从而可以实现路面上所有突出障碍物的检测，以及任意障碍物的测距。

另外，将相机图像结合深度信息充填RGB色彩也可以生成像素级点云，实现类似于激光点云的效果。虽然它的测距准确性不及激光雷达，但点云远比后者稠密，而且RGB着色不需要人工进行同步、校准等工作。

图2：视觉方法生成的像素级点云效果示