基于红外与雷达的夜间无人车场景深度估计

单目红外图像的深度估计是夜间无人车场景理解的关键, 针对夜间无人车场景的深度估计, 提出一种基于深度卷积-反卷积神经网络的深度估计方法。将红外图像和雷达距离数据作为深度卷积-反卷积神经网络的输入, 并将深度估计问题转化为像素级分类任务进行深度估计模型的训练。将雷达的距离数据根据深度值的范围量化为与红外图像像素一一对应的离散值并对其做标记, 然后训练过程采用分类的思想解决深度估计问题。实验结果表明, 利用训练得到的深度估计模型对夜间无人车获取的红外图像进行深度估计的时间为0.04 s/frame, 达到了实际应用中的实时性要求。