计算机视觉基础（13）——深度估计

前言

本节是计算机视觉的最后一节，我们将学习深度估计。从深度的概念和度量入手，依次学习单目深度估计和双目/多目深度估计，需要知道深度估计的经典方法，掌握深度估计的评价标准，注意结合对极几何进行分析和思考。

一、深度的概念和度量方式

1.1  深度的概念

• 深度指场景中物体表面到相机的距离，即图中𝑷 (𝑐)点的𝑍 (𝑐)坐标
• 采用深度图(Depth Map)表征，图中每点的取值代表对应像素的深度值

1.2  深度的度量方式与设备

1.2.1  结构光

• 结构光：将特殊结构图案（如离散光斑、条纹、编码结构光等）投影到空间物体表面上，用另一个相机观察在三维物理表面成像的畸变情况，进行图像匹配比较并计算出深度
• 属于主动光探测方案
• 技术成熟、便携、低延时，适用于较近距离

1.2.2  ToF

• Time-of-Flight (ToF)：向目标连续发送光脉冲，用传感器接收从物体返回的光，通过探测光脉冲的往返飞行时间测距
• 属于主动光探测方案
• 适用于较远距离，传感器复杂、成本高、深度图稀疏

1.2.3  双目视觉

• 双目视觉技术:利用两个标定好的RGB摄像头采集图像，通过匹配对应点，获取的二维图像像素点的深度
• 属于被动光探测方案
• 精度依赖于双目匹配算法，易受到光照变化等因素影响，适用于较近距离
• 但是，遇到重复纹理、⽆边缘特征时，识别的效果就会很差

二、计算机视觉中的深度估计问题

深度估计：设计计算机视觉算法，根据输入图像，估计出对应的深度图。

根据输入图像的数目分为单目深度估计(Monocular)、双目深度估计(Binocular)、多视角立体视觉 (Multi-View Stereo, MVS)。

与基于传感器硬件的解决方案相比，软件算法的深度估计方案成本较低

三、深度估计的应用

3.1  自动驾驶、机器人导航

3.2  3D重构(三维建模、三维地图、3D打印)

3.3  增强现实

3.4  单目3D拍照

3.5  浅景深渲染

3.6  RGB-D 语义分割/目标检测/视觉跟踪

将深度作为额外的辅助信息应用在传统视觉任务中RGB-D：RGB-D 语义分割/目标检测/视觉跟踪

四、单目深度估计

4.1  单目深度估计的概念

• 目标：利用能够反映深度的线索/提示信息(Cues)，从单幅图像中预测出对应的深度图

• 对弱纹理等挑战区域具有更强的鲁棒性

• 单目深度估计本身具有较强挑战性

4.2  单目深度线索

4.2.1  近大远小

近大远小：对常见物体的尺寸有大致的估计，根据其在图像中的大小，判断相对位置/距离

4.2.2  纹理的丰富程度

纹理丰富程度：近距离的区域更为清晰，纹理也较为丰富。

4.2.3  遮挡关系

遮挡关系：被遮挡的背景物体距离较远，前景距离较近

4.2.4  平行线与消失点

平行线与消失点：在远离相机的过程中，3D空间的平行线在2D图像上的投影逐渐接近，直至相较于消失点

4.2.5  光影/明暗/纹理

通过光影、明暗与纹理变化，可以轻易推断出物体的三维形状

4.3  单目深度估计的主流方法

• 单目深度线索较为繁杂多样，手工设计的方法很难全面涵盖上述所有线索
• 卷积神经网络通过端到端数据驱动的方式，可以很好地学习并集成上述线索，并且适合处理二维图像数据，因而成为单目深度估计的主流方法

4.3.1  基于卷积网络

4.3.2  基于全卷积网络

4.3.3  基于Transformer

4.3.4  基于多任务

4.3.5  基于弱监督

• 与分割、检测等数据不同，深度真值不适合手工标注，主要依赖于深度传感器采集
• 由于深度传感器应用场景受限，场景多样化的深度训练数据不易获取，导致模型的场景泛化性能较差

• 为解决上述问题，Chen et al. 于2016年提出一种人工标注稀疏深度真值的方法，即从每一张图像中随机选两点，人工标出两点对应的前后顺序

• 通过上述标注方法构建了Depth-in-the-Wild (DIW)数据集

• DIW数据集规模大(49.6万张图片)，场景多样化，真值标注稀疏且是相对的 (每张只包含两个点的相对前后顺序)

• 由于每张图像仅包含一个深度真值，因而上述网络训练过程属于弱监督学习

• 由于DIW数据集场景多样化，即使采用弱监督学习，在DIW上训练的模型相较于其他数据集训练的模型具有更强的泛化性能

4.4  相对深度估计

4.5  常见的单目深度估计数据集

4.6  常见的深度估计评价指标（重点）

五、双目/多目立体匹配

5.1  双目/多目深度估计线索

5.2  对极几何回顾

5.3  特殊矫正后的情况

• 通过矫正两个相机的朝向与位置，使极线为水平线

• 同一点在两幅图中的视差 (Disparity) 𝑑 = 𝑥1 + 𝑥2 与其深度𝑍成反比

5.4  未经矫正的情况

5.5  基于深度学习的MVS：MVSNet

总结

在本节中，我们学习了深度估计的相关知识。读者需要重点掌握深度的概念和度量方式，单目深度估计和双目深度估计的主流方法，其中，深度估计的评价指标和对极几何是重点。