马成齐，李学华，张兰杰，向 维，2

1.北京信息科技大学 信息与通信工程学院，北京100101

2.詹姆斯库克大学 工程学院，昆士兰 凯恩斯4878

近年来，随着深度学习技术的迅速发展，产生了越来越多的智能化技术。例如与深度估计有着密切联系的图像编辑、VR（Virtual Reality）、AR（Augmented Reality）、3D场景解析和自动驾驶技术等。在深度学习技术问世之前，利用普通相机只能捕获场景的二维平面信息，无法获取到场景中的深度值。虽然通过使用多个摄像头以及激光和雷达设备，能够获取到深度信息，但激光和雷达不能完美地与相机对准，会导致测量的深度值产生误差。因此，有学者开始采用深度学习技术替代传统的激光雷达，在获取深度信息的同时节约了成本。

使用深度学习技术进行单目深度估计可分为监督型和自监督型。在监督型单目深度估计中，较为经典的是Eigen 和Fergus[1]设计的一个包含粗糙网络和细化网络的系统。该系统中的粗糙网络用于对图像做全局预测，细化网络用于对全局预测的结果进行局部优化，整个网络采用了较早的AlexNet 架构。2015 年，Eigen 和Fergus[2]改进了上述系统，在原有的两个网络中增加了一个采样网络，加深了网络结构，同时将AlexNet架构更换为层数更深的VGG 架构，使得输出的深度图与使用AlexNet架构相比更为清晰。2018年，Fu等人[3]提出了编码解码深度估计网络，采用洞卷积型网络来更好地提取图像的多尺度特征，相比以往的监督型方法，输出的深度图分辨率更高。以上监督型方法在训练过程中都需要地面真实深度，即需要大量密集标注后的数据集。……