單目視覺識(shí)別的無(wú)限市場(chǎng)潛力

對(duì)單目來(lái)說(shuō)物體越遠(yuǎn)，測(cè)距的精度越低，硬件上的缺點(diǎn)可以通過(guò)算法去彌補(bǔ)，近日有兩篇關(guān)于單目視覺的研究論文曝光，一篇是單目視頻的深度估計(jì)，另一篇?jiǎng)t是單目3d物體識(shí)別，在數(shù)據(jù)集下測(cè)試都取得了不錯(cuò)的效果，我們熟悉的單目攝像頭可能一直被低估了。

攝像頭是自動(dòng)駕駛汽車中重要的傳感器之一，在自動(dòng)駕駛過(guò)程中的首要任務(wù)就是道路識(shí)別 ,主要是圖像特征法和模型匹配法來(lái)進(jìn)行識(shí)別。行駛過(guò)程中需要進(jìn)行障礙物檢測(cè)和路標(biāo)路牌識(shí)別等，此時(shí)車輛上的信息采集便可以運(yùn)用單目視覺或者多目視覺。

由于很多圖像算法的研究都是基于單目攝像機(jī)開發(fā)的，因此相對(duì)于其他類別的攝像機(jī)，單目攝像機(jī)的算法成熟度更高?；趩文繑z像頭可以用來(lái)定位、目標(biāo)識(shí)別等。但是相比多目，單目有著先天的缺陷，視野信息不能夠豐富，單目測(cè)距的精度也較低。

不過(guò)單目攝像頭的作用還未發(fā)揮到極致，近日有兩篇關(guān)于單目視覺的研究，讓眾多研究者驚艷，原來(lái)單目一樣可以有不錯(cuò)的表現(xiàn)。

Paper1：

Orthographic Feature Transform for Monocular 3D Object Detection

單目3d物體檢測(cè)是一件很有挑戰(zhàn)性的事情，目前最先進(jìn)系統(tǒng)的成績(jī)也不及用激光雷達(dá)的1/10，劍橋大學(xué)的科學(xué)家利用單目視覺進(jìn)行3d物體識(shí)別，通過(guò)引入正交特征變換，使基于圖像的特征映射到正交3D空間，來(lái)避免形成圖像域，可以全面地推斷出各個(gè)物體比例尺寸以及相隔的距離。通過(guò)在KITTI數(shù)據(jù)集里測(cè)試，發(fā)現(xiàn)與前人的Mono3D方法對(duì)比，這種方法在鳥瞰圖平均精確度、3D物體邊界識(shí)別上各項(xiàng)測(cè)試成績(jī)上均優(yōu)于對(duì)手。

尤其在探測(cè)遠(yuǎn)處物體時(shí)要遠(yuǎn)超Mono3D，遠(yuǎn)處可識(shí)別出的汽車數(shù)量更多。甚至在嚴(yán)重遮擋、截?cái)嗟那闆r下仍能正確識(shí)別出物體。在某些場(chǎng)景下甚至達(dá)到了3DOP系統(tǒng)的水平。

在這項(xiàng)工作中，提出的一種新穎的單目三維物體檢測(cè)方法，基于在鳥瞰視野范圍內(nèi)操作的，減輕了許多不良圖像的屬性，更易于推斷出世界的3D結(jié)構(gòu)。用一種簡(jiǎn)單的正交特征變換，將基于圖像的特征轉(zhuǎn)換為這種鳥瞰視圖表示， 并描述了如何使用圖像積分有效地實(shí)現(xiàn)它，以深二維卷積網(wǎng)絡(luò)的形式應(yīng)用于提取的鳥瞰特征，取得了不錯(cuò)的效果，說(shuō)明單目還有很大可開發(fā)的空間。

Paper2：

A Structured Approach to Unsupervised Depth Learning from Monocular Videos

這是谷歌的工程師做的一個(gè)研究，他利用單目視頻深度估計(jì)，自從2014年NIPS上出現(xiàn)第一篇用CNN-based來(lái)做單目深度估計(jì)，近幾年也不斷涌現(xiàn)出一些做單目深度估計(jì)的文章，有直接依靠深度學(xué)習(xí)和網(wǎng)絡(luò)架構(gòu)得到結(jié)果，還有依靠于深度信息本身的性質(zhì)進(jìn)行估計(jì)，基于CRF和基于相對(duì)深度方法的，本篇文章是基于無(wú)監(jiān)督學(xué)習(xí)單目視頻深度估計(jì)。文中的方法能夠模擬運(yùn)動(dòng)物體并產(chǎn)生高質(zhì)量的深度估計(jì)結(jié)果，與以前的單目視頻無(wú)監(jiān)督學(xué)習(xí)方法相比，該方法能夠恢復(fù)移動(dòng)物體的正確深度。也就說(shuō)，能夠正確地恢復(fù)與自身運(yùn)動(dòng)車輛相同速度的移動(dòng)汽車的深度。因?yàn)橐慌_(tái)相對(duì)靜止的車輛，往往會(huì)表現(xiàn)出與地面相同的無(wú)線深度特征，解決了高動(dòng)態(tài)場(chǎng)景中的問題。