贾 威，迟书凯，葛宪威

（中国海洋大学工程学院，山东 青岛266100）

应用于水下场景的视觉系统主要有单目视觉系统和双目视觉系统[1]。与双目视觉系统相比，单目视觉结构简单，易于配置安装，因此更适合水下的应用需求[2]。但是由于成像原理的限制，单目视觉在原理上无法直接获取深度信息，但结合一定的先验信息可以实现单目视觉的深度估计。

在基于传统视觉方法的单目视觉研究中，张法全等[3-4]对图像进行模糊度监测获取边缘宽度然后通过样条插值算法求取深度信息，但该方法只适用于较近距离下的深度信息求解。王剑等[5]通过改变相机焦距获取多张图像，在固定尺寸和焦距两种情况下成像，利用目标物体尺寸和焦距之间的关系，定量求取深度信息，但该方法要求对相机进行在线标定，不满足实时性的要求。

基于深度学习的单目深度估计方法，根据训练方法的不同可以分为：有监督方法、无监督方法和半监督方法[6]。在有监督的单目深度估计如文献[7—8]的方法中，方法使用的监督信号基于深度图的地面真值，这在一些应用场景下的获取代价是相当昂贵的。在水下自主作业的应用场景中，很难获得具有准确监督信号的水下深度图像作为网络训练使用的数据集。在无监督单目深度估计中，如文献[9—10]的方法中，一般使用帧间的几何约束作为训练过程的监督信号。无监督方法在网络训练中没有使用真值，所以性能和有监督方法的差距很大，而且无监督方法存在着尺度模糊、不一致的问题[6]。……