摘要
在本文中，我們提出了MonoRec，一種半監督的單目密集重建架構，該方案可在動態環境中根據單個移動攝像機預測深度圖。MonoRec提出了一種新型的多階段訓練方案，該方案可以不需要LiDAR深度值的半監督損失公式。在KITTI數據集上仔細評估了MonoRec，并表明與多視圖和單視圖方法相比，它具有最先進的性能。通過在KITTI上訓練的模型，我們進一步證明了MonoRec能夠很好地推廣到牛津RobotCar數據集和手持攝像機記錄的更具挑戰性的TUM-Mono數據集上

相關工作與主要貢獻
多視圖立體視覺（MVS）方法基于具有已知姿勢的一組圖像來估計3D環境的稠密點云。在過去的幾年中，基于經典的優化方法已經開發出很多種方案來解決MVS問題。
基于單目的深度預測僅依賴于單個圖像，單目深度預測通常在訓練期間仍然消耗視頻序列或立體圖像。它的目的是解決與本文提出的類似的問題，即對包括靜態和動態對象的3D場景進行稠密點云重構。
為了結合具有深度的MVS和單目深度預測的優勢，我們提出了MonoRec，這是一種新穎的單目密集重建架構，由MaskModule和DepthModule組成。使用成本量對來自多個連續圖像的信息進行編碼，這些成本量是基于結構相似性指標度量（SSIM）而不是像以前的工作一樣基于絕對差之和（SAD）構建的。MaskModule能夠識別運動像素并降低成本量中的相應體素。因此，與其他MVS方法相比，MonoRec不受移動物體上的偽影的影響，因此可提供靜態和動態物體的準確深度估計。與KITTI數據集上的其他MVS和單目深度預測方法相比，通過提出的多階段訓練方案，MonoRec可以實現最先進的性能。下圖顯示了該方法生成的密集點云

總結

以上是生活随笔為你收集整理的MonoRec：无需激光雷达，只需单个相机就可以实现三维场景的稠密重建的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。