关键词:
计算机仿真系统
深度仿真数据
单目深度估计
摘要:
近年来,随着深度学习算法的发展,以监督训练方法为主的单目图像深度估计网络,相比传统深度预测算法获得了更好的深度预测能力。而在现实中采集深度标注数据,不仅花费大量人力、财力,并且在数量和质量上难以保障。针对真实深度数据集数量匮乏和特殊场景难以覆盖的缺陷问题,本文基于计算机图形学搭建真实感增强的仿真环境,提供更丰富和精准的深度标注仿真数据,实现具有复杂运动模式的全自动数据采集,构成完整的深度仿真数据采集系统。最后,对本文提出的数据采集系统所制作的深度仿真数据质量加以验证。在公开数据集测试结果表明,使用仿真数据训练的网络模型在多个深度估计常用指标上优于使用真实数据训练的网络模型;通过对可视化结果分析,证实仿真数据补充训练可以显著提高训练结果模型在特殊场景下的单目深度预测能力。相关实验结果证明了本文仿真数据采集系统的创新性和有效性,以及本文仿真数据的优越性和先进性。