用神经网络估计图像中的距离

Question

用神经网络估计静止图像或视频流中的距离可行吗？

我有一个激光测距仪，提供视频输出以及距离测量。然而，距离测量需要将激光照射到环境中，这并不总是理想的或允许的。我想有一个选择，把这个转变为“被动”模式，图像被输入到一个神经网络，然后提供一个距离估计，而不需要激活激光。网络最初将在主动模式下接受来自游侠查找器的image+distance对的训练。

我不是神经网络方面的专家，虽然Google发现神经网络在图像分类和姿态估计方面有很多用途，但我找不到任何现有的距离估计技术。这看起来可行吗，还是我在浪费时间？一个基本的前馈网络，每N像素一个输入就足够了，还是我需要一个不同的架构？

Answer 1

是的，这是可能的，假设你有真实的训练数据。早在2006年，就有关于这个问题的出版物，但使用的是马尔可夫随机场。你可以读这里。最近是用卷积神经网络和深卷积神经场做的。这三个例子估计了图像上每一个像素的深度，因此他们需要对每一个像素进行正确的测量。

如果你使用的是平面测距仪，那么根据你的激光分辨率，你的图像中的各个列都有正确的深度。这可能意味着您需要使用来自图像的一行像素来训练NN，而不是完整的图像。为了充分提取场景深度，人们通常使用双目相机或类似Kinect的东西(当然只是为了训练)。