典型文献
基于二维图像和三维几何约束神经网络的单目室内深度估计方法
文献摘要：
提出了编码器到解码器结构的深度卷积神经网络,并基于二维层面和三维层面共同约束网络从单目图像中学习深度.在二维图像层面,为了均衡网络提取到的浅层细节特征和深层语义特征,引入通道注意力机制,在相同尺度上为编码器特征与解码器特征添加权重连接;为了得到边缘细节信息更丰富的深度图,构建了尺度不变损失和基于图像金字塔的多尺度边缘损失.在三维几何层面,为了提高点云之间的几何一致性,基于空间中坐标点的局部和全局几何关系,构建了深度的全局几何约束损失和局部几何约束损失.在NYUDepth-v2数据集上将所提方法的结果与其他方法进行定量定性比较.结果表明本文方法可以估计出准确度和细节上表现更好的室内场景深度,实现了更为准确和平滑的单张图像三维重建效果.
文献关键词：
成像系统;深度估计;卷积神经网络;单目三维重建;几何约束
中图分类号：
作者姓名：
沙浩;刘越;王涌天;卢晨光;赵梦泽
作者机构：
北京市混合现实与新型显示工程技术中心,北京理工大学光电学院,北京100081
文献出处：
引用格式：
[1]沙浩;刘越;王涌天;卢晨光;赵梦泽-.基于二维图像和三维几何约束神经网络的单目室内深度估计方法)[J].光学学报,2022(19):39-49
A类：
NYUDepth,单目三维重建
B类：
二维图像,几何约束,深度估计,估计方法,编码器,解码器,深度卷积神经网络,同约,单目图像,学习深度,取到,细节特征,深层语义,语义特征,通道注意力机制,了得,边缘细节,细节信息,深度图,尺度不变,图像金字塔,高点,点云,几何一致性,坐标点,几何关系,v2,上将,其他方法,室内场景,景深,单张,成像系统
AB值：
0.376687
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
