基于拉普拉斯金字塔的特征融合深度估计算法

来源：电子测量技术杂志2025年第13期北京时间：

作者：李铭汇，范哲意，朱艺璇

单位：北京理工大学集成电路与电子学院 北京 100081

摘要：在计算机视觉领域，单目深度估计在自动驾驶、场景重建等应用中的重要性引起了广泛的关注。然而，现有的自监督单目深度估计方法未能充分利用底层特征，导致了物体轮廓深度估计效果较差。为了解决这一问题，本文提出了一种多尺度特征融合解码方法，将原始RGB图像逐步高斯下采样以获得各级特征图，然后对其分别进行高斯上采样，利用上/下采样过程中相同尺寸的特征图对构建拉普拉斯金字塔，在解码时从各个尺度将下采样过程中丢失的轮廓线索与编码器提取到的特征相融合，从而引导解码器生成更精确的深度图，最大限度地提升编码器底层特征的利用效率。该方法与基线方法Monodepth2在KITTI数据集上的实验结果相比，绝对相对误差Abs Rel降低了1.69%，平方相对误差Sq Rel降低了6.80%，均方根误差RMSE降低了1.00%，表明该方法对全局深度估计精度有所提升，此外可视化分析也验证了该方法对物体轮廓的深度估计效果有明显改善。

关键词：深度估计;自监督;拉普拉斯金字塔;特征融合