使用神经网络估计图像中的距离

Question

使用神经网络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提供视频输出以及距离测量。但是，距离测量需要将激光照射到环境中，但这并不总是理想的或允许的。我希望可以选择将其切换到“被动”模式，将图像输入到神经网络，然后提供距离估计而无需激活激光。该网络最初将在主动模式下在来自探测器的图像+距离对上进行训练。

我并不是神经网络方面的专家，虽然Google发现神经网络具有很多用于图像分类和姿态估计的用途，但我找不到任何用于距离估计的现有技术。这看起来很实际吗，还是我在浪费时间？每个N像素具有一个输入的基本前馈网络是否就够了？还是我需要一个不同的体系结构？

Answer 1

是的，这是可能的，假设你有训练的地面实况数据。早在2006年，就有关这个问题的出版物，但使用马尔科夫随机场。你可以阅读它here。最近用Convolutional Neural Networks和Deep Convolutional Neural Fields完成了。这3个例子估计图像上每个像素的深度，因此他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，根据您的激光分辨率，您将获得图像各列的正确深度。这可能意味着你需要从图像中训练NN的单行像素而不是完整的图像。对于全景深度提取，人们通常会使用双目相机或Kinect（当然，仅用于培训）。