使用神經網絡估計圖像中的距離

Question

使用神經網絡估計靜止圖像或視頻流中的距離是否可行？

我有一個激光測距儀提供視頻輸出以及距離測量。但是，距離測量需要將激光照射到環境中，但這並不總是理想的或允許的。我希望可以選擇將其切換到「被動」模式，將圖像輸入到神經網絡，然後提供距離估計而無需激活激光。該網絡最初將在主動模式下在來自探測器的圖像+距離對上進行訓練。

我並不是神經網絡方面的專家，雖然Google發現神經網絡具有很多用於圖像分類和姿態估計的用途，但我找不到任何用於距離估計的現有技術。這看起來很實際嗎，還是我在浪費時間？每個N像素具有一個輸入的基本前饋網絡是否就夠了？還是我需要一個不同的體系結構？

Answer 1

是的，這是可能的，假設你有訓練的地面實況數據。早在2006年，就有關這個問題的出版物，但使用馬爾科夫隨機場。你可以閱讀它here。最近用Convolutional Neural Networks和Deep Convolutional Neural Fields完成了。這3個例子估計圖像上每個像素的深度，因此他們需要對每個像素進行正確的測量。

如果您使用的是平面測距儀，根據您的激光分辨率，您將獲得圖像各列的正確深度。這可能意味着你需要從圖像中訓練NN的單行像素而不是完整的圖像。對於全景深度提取，人們通常會使用雙目相機或Kinect（當然，僅用於培訓）。