深度估计项目

本项目资料包括如下, 这里汇总. 搭建环境见这里

• 深度估计项目
  • 1.相关文章
    • 参考论文
    • 我们写的文档
  • 2.项目代码
  • 3.数据集
  • 4.轻量化
  • 5.其他资源

部分比较占存储的, 已经放到硬盘了.

1.相关文章

文章包含参考论文和我们写的文档

参考论文

最主要的有3个, 其余的参考文献可以看这两个的参考文献和引用它们的文献( 通过Semantic Schoolor 查看).

@inproceedings{zhou2017unsupervised,
 Author = {Zhou, Tinghui and Brown, Matthew and Snavely, Noah and Lowe, David G.}, 
 Title = {Unsupervised Learning of Depth and Ego-Motion from Video}, 
 Booktitle = {CVPR}, 
 Year = {2017} 
 }

@inproceedings{godard2019digging,
  title={Digging into self-supervised monocular depth estimation},
  author={Godard, Cl{\'e}ment and Mac Aodha, Oisin and Firman, Michael and Brostow, Gabriel J},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
  pages={3828--3838},
  year={2019}
}

 # 另外, 还有一个和上面同组的

@inproceedings{watson2021temporal,
title={The Temporal Opportunist: Self-Supervised Multi-Frame Monocular Depth},
author={Watson, Jamie and Mac Aodha, Oisin and Prisacariu, Victor and Brostow, Gabriel and Firman, Michael},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
pages={1164--1174},
year={2021}
}

我们写的文档

• 论文

@article{wang2020unsupervised,
  title={Unsupervised Monocular Training Method for Depth Estimation Using Statistical Masks},
  author={Wang, Xiangtong and Li, Wei and Yang, Menglong and Cheng, Peng and Liang, Binbin},
  journal={IEEE Access},
  volume={8},
  pages={191530--191541},
  year={2020},
  publisher={IEEE}
}

• 毕业论文见硬盘
• 相关竞赛报告见硬盘
• 相关申报书见硬盘

2.项目代码

算法代码包括

• sfmlearner第三方Pytorch
• monodepth2官方Pytorch
• 我们改写的
• manydepth

另外, 可以重点关注下Niantic这个单位, 深度估计很多项目都是这里的研究重点

3.数据集

带深度的数据集很多, 但是大场景的很少或者没有,比较典型的几个如下

• NYUdepth(室内机器人导航)

• KITTI(室外自动驾驶)

• MineNavi(野外飞行器)

  这个MineNavi是我们提出来的虚拟数据集构建方法, 后面会继续完善.

4.轻量化

因为深度估计是一个典型的边缘计算型应用, 所以这部分主要涉及模型轻量化, 模型移植到嵌入式等工作. 相关资料后续完善, 比较独立

5.其他资源

以下见硬盘

• ppt
• visio
• 视频