深度估计在ADAS中的单目与双目方案
📚 30章 · 从基础到前沿
1
01.
深度估计概述
什么是深度估计？为什么ADAS需要它？单目与双目的核心区别。
2
02.
相机成像原理
针孔模型、内参矩阵、畸变校正。
3
03.
双目视觉基础
对极几何、视差与深度的三角测量关系。
4
04.
双目立体匹配
SGBM算法原理、代价计算、代价聚合、视差优化。
5
05.
双目深度估计实战
OpenCV实现SGBM、WLS滤波后处理、深度图生成。
6
06.
双目系统的标定
张正友标定法、立体标定、极线校正。
7
07.
双目系统的局限性
基线距离限制、计算量大、弱纹理区域失效。
8
08.
单目深度估计概述
从运动恢复结构(SfM)到深度学习。
9
09.
单目深度估计的挑战
尺度模糊性、深度范围不确定性。
10
10.
基于监督学习的单目深度估计
DepthNet、DORN、BTS网络结构。
11
11.
基于自监督学习的单目深度估计
Monodepth2原理、光度一致性损失。
12
12.
单目深度估计中的位姿估计
PoseNet与视觉里程计结合。
13
13.
单目深度估计实战
使用Monodepth2在KITTI数据集上训练与推理。
14
14.
深度估计的评价指标
Abs Rel、Sq Rel、RMSE、δ<1.25等。
15
15.
深度估计的数据集
KITTI、Cityscapes、NYU Depth v2、Make3D。
16
16.
多任务学习
深度估计与语义分割、目标检测的联合训练。
17
17.
注意力机制在深度估计中的应用
Transformer、Vision Transformer。
18
18.
轻量化深度估计模型
MobileNet、EfficientNet在深度估计中的部署。
19
19.
深度估计中的不确定性建模
贝叶斯深度学习、概率深度图。
20
20.
单目深度估计的落地难点
泛化性差、对光照敏感、动态物体处理。
21
21.
双目深度估计的落地难点
实时性要求、硬件成本、标定维护。
22
22.
深度估计与BEV感知
如何将深度图转换为鸟瞰视角。
23
23.
深度估计与目标检测融合
伪激光雷达(Pseudo-LiDAR)方案。
24
24.
深度估计与路径规划
基于深度信息的可通行区域分析。
25
25.
深度估计中的时序融合
利用多帧信息提升深度一致性。
26
26.
深度估计中的雷达融合
相机与激光雷达的深度补全。
27
27.
深度估计在自动泊车中的应用
近距离高精度深度估计。
28
28.
深度估计在高速巡航中的应用
远距离深度估计与目标测距。
29
29.
深度估计的硬件加速
FPGA、NPU、TensorRT部署。
30
30.
深度估计的未来趋势
端到端感知、4D毫米波雷达融合、神经辐射场(NeRF)在ADAS中的应用。