使用神经网络估计图像中的距离

Question

使用神经网络来估计静止图像或视频流中的距离是否可行？

我有一个激光测距仪，它提供视频输出和距离测量。然而，距离测量需要将激光照射到环境中，这并不总是理想的或允许的。我希望有一个选项可以将其切换到“被动”模式，其中图像被馈送到神经网络，然后提供距离估计而无需激活激光。网络最初会在活动模式下使用来自 Ranger finder 的图像+距离对进行训练。

我不是神经网络方面的专家，尽管 Google 发现神经网络在图像分类和姿势估计方面有很多用途，但我找不到任何用于距离估计的现有技术。这看起来实用吗，还是我在浪费时间？每 N 个像素一个输入的基本前馈网络就足够了吗，还是我需要不同的架构？

Answer 1

是的，这是可能的，前提是您有用于训练的真实数据。早在 2006 年，就有关于这个主题的出版物，但使用的是马尔可夫随机场。你可以阅读它here。最近是用Convolutional Neural Networks 和Deep Convolutional Neural Fields 完成的。这 3 个示例估计了图像上每个像素的深度，因此它们需要对每个像素进行正确的测量。

如果您使用的是平面测距仪，则根据您的激光分辨率，您将获得图像各列的正确深度。这可能意味着您需要使用图像中的单行像素而不是完整图像来训练您的 NN。对于全场景深度提取，人们通常使用双目相机或 Kinect 之类的东西（当然只是为了训练）。