单目深度估计

参考自单目深度估计** 综述**文章：https://arxiv.org/abs/2003.06620
文章围绕单目深度估计的数据集、评估指标、相关工作（有监督，半监督以及无监督）等进行了简介和综述。

浅谈无监督单目深度估计局限性

简介

对于自主系统，如自主机器人和无人车等，无论对周围环境感知还是对自身状态感知，避障、轨迹规划等，都离不开对深度信息的计算。目前来说，获取深度的三种方式：基于深度传感器，基于几何求解，基于深度学习求解。
基于传感器的方法主要问题在于，一方面其价格和单目相机相比差距很大，另外其尺寸、功耗等都限制了其在小型自主系统（如小型无人机）上的应用；对于能够生产稠密深度图的RGB-D相机来说，其主要应用在室内环境，测量精度也容易收到外界影响。 基于几何的方法也是目前广泛使用与SLAM或VO中的方法，其能够利用相邻图像序列之间的建立几何约束实现对图像上像素点深度信息的求取以及相机位姿变换的求解；基于几何的方法在于一方面算法比较复杂，而且一般只能求取稀疏特征点的像素深度信息，其精度依赖于后端的优化环节。基于深度学习的方法优点和缺点也都很明显，优点在于算法框架简单，入门快，不需要像几何方法那种包含很多专业知识和几何约束在里面，端到端实现单目稠密深度图的估计；缺点在于算量大，目前的高精度深度估计网络的参数量都是千万级起步，这就意味着其对算力的需求之大以及实时性不足；但是随着嵌入式算力的不断提升，算力似乎在未来并不是什么很致命的问题。

算法分类（按训练方式）

从单