重磅！单目深度估计方法：算法梳理与代码实现

淩亂°似流年 2022-08-28 03:47 227阅读 0赞

# **应用背景介绍** #

在自动驾驶中，如何获取车辆行人等目标的深度信息，是当前很多研究中较为重要的技术点，如3D重建，障碍物检测，SLAM等等。传统上，获取高精度目标深度信息的方法，通常是利用激光雷达或结构光在物体表面的反射获取深度点云，但因其价格昂贵和同步的困难，在自动驾驶领域大规模应用和部署还有一定的距离。

随着特斯拉纯视觉方案的成功以及Tesla AI日惊艳的效果，相机因为其价格低廉、获取信息内容丰富，体积小巧等优点，成为自动驾驶领域较为热门的传感器技术之一。相应地，单目视觉深度估计也受到了研究的热捧，受到了更多的关注。

![ea3156510245ca9a02bf20f071a58ec5.png][]

![c596b088fc3dbe22ced0353d473e483f.png][]

![1201b69667459c67f25d4f7c99640128.png][]

![5e266c3e01101f7d5866b46ab3ba22a4.png][]

# **相关岗位要求及待遇** #

自动驾驶持续受到资本青睐。2021年以来，陆续收到多家自动驾驶公司获得4亿美元以上的投资的好消息，如独角兽公司Momenta，专注重卡领域的图森科技、智加科技等。目前，重卡无人驾驶汽车图森科技已经成功上市，智加科技也传来即将上市的消息，可见自动驾驶这条赛道是非常具有潜力的。

相关企业对深度估计相关岗位的需求也日益增加，华为、百度、图森、滴滴、Momenta、小鹏、蔚来等公司更是开出高薪聘请相关人才，助力相关产品的落地研发，下面几个截图是某招聘网站上对深度估计相关岗位的要求及待遇：

![c04a505da1f47a435827056ab338949c.png][]

![c70c51ec209d877da044933805826677.png][]

![9a18fc7231efb692134ae4718c7381f1.png][]

# **如何快速从入门到精通** #

随着AI技术的发展，深度学习的入门门槛越来越低，但关于单目深度估计的课程还是相对较少，尤其是**深度估计工程化方向**的课程更少，令许多对该领域感兴趣的同学无从下手。因此，我们借助工坊这个平台，推出《单目深度估计方法：理论与实战》，希望能够凭借自己的一些工程经验帮助大家快速进入该领域。

**《单目深度估计方法：理论与实战》**课程主要分为两大部分：理论篇和实战篇，**由两位知名自动驾驶公司的高级算法工程师教授**。由于有监督方法的深度真值获取困难，且无监督方法的效果与有监督方法几乎相当，我们将课程的重心放在了**无监督方法**上。

其中，**理论篇主要包括**：深度估计相关的损失函数、评价指标等基础理论，传统深度估计方法、无监督深度估计方法等理论知识。**实战部分包括**：传统深度估计方法和深度学习方法，偏向于无监督深度估计以及相关应用等等。

**课程大纲**

![10150bbbc63987d4b6645612e61c8df2.png][]

![9f6253113c82f6355745e676772e5d43.png][]

▲微信扫码可查看、购买、学习课程

课程的第一章针对单目深度估计的背景和研究现状展开详细的叙述，随后是与深度估计相关的计算机视觉基础和深度学习基础。

虽然本课程内容主要是单目深度估计，但你同样可以在这里学习到双目深度估计的相关理论：对极几何学。本课程中某些基于单目的方法同时也可以适配双目数据集，比如Monodepth2，FeatDepth, ......

在第三章中，我们会为你详细解读最近几年state-of-art无监督单目深度估计论文的原理，分析每篇论文实际解决的问题，并评价它们的优缺点。

![d47c97bb053a9f716d78f97750d79d26.png][]

![7a2c69de50123d924c945d8974baf3af.png][]

你是否遇到过在公开数据集上训练的效果还不错，但**转移到自己数据集上训练就翻车？**你是否需要**将训练好的模型泛化到不同的数据集上？**

如果是，那么第四章的实战部分就是为你准备的！在实战部分，我们不仅会手把手地教你如何在自己数据集上训练模型，而且会传授大量调参技巧和改进优化经验，让你少走弯路，高效掌握深度估计算法的应用。  
![0c0f1d3402896cac33ae0a44ca9758b0.png][]

![652231efbcd5b2345b72c6a7f5d6e656.png][]

在第五章里，针对模型预测的深度图，我们会为你介绍Boosting的优化方法，**提高深度图的细节信息**，最后我们会介绍相对深度的尺度恢复和伪激光的可视化。

![c67930560480ca896e83aec7bb33fb07.png][]  
![6488f3fbad4c818a11afda61ec3c7da7.png][]  
![a57cd4ffd8207689d78233314e554585.png][]

# **课程亮点** #

1. 深入浅出，循序渐进，为你从理论到实战逐个攻破；

2. 讲师多年的工程经验倾情奉献，数据、源码开源帮助你更好地理解每处细节；

3. 理论结合实践，课时结束后布置练习项目，答疑群内，讲师和你在线交流遇到的难题；

4. 优质的学习圈子，你可以和来自清华大学、慕尼黑工业大学，上海交通大学、南京大学、华中科技大学、西北工业大学等高校学子一起讨论学习，你踩过的坑他们大概率也踩过；

5. 真正能面向工业落地的内容分享；

# **学后收获** #

1. 对深度估计相关理论有较深的理解

2. 能够掌握传统方法以及state-of-art无监督深度估计方法的核心理论

3. 能够在自有数据集上实现深度估计模型的训练和调参

4. 针对深度学习实战中遇到的各种问题，掌握分析原因、解决问题的技能

5. 能够真正对接企业对视觉算法工程师在深度估计方向的技术栈要求

# **开课时间** #

2021年11月20号开课，课程学习时长2个月，每周更新一次（具体见课程群内通知），课程设置答疑群，讲师将会在群里布置作业并和学员交流相关技术问题。

# **课程要求及面向对象** #

1. 主要面向自动驾驶领域、SLAM领域相关的在读本科生、硕士、博士，以及正在工作岗位上的一线工程算法人员，也欢迎想要转入该领域的其它方向的同学；

2. 需要有一定的计算机视觉相关基础知识，对camera和Lidar等硬件和模型有一定了解；

3. 对线性代数、矩阵论、概率论有一定的了解；

4. 熟悉Python编程，对深度学习框架Pytorch和Tensorflow有一定的基础

**课程购买与咨询**

![bd07416557ad6b3f03be0ed347ce99d5.png][]

▲微信扫码可查看、购买、学习课程

![b95a2cbe0a190064a66397615b7f90c5.png][]  
群号：910070197  
▲课程咨询QQ群，了解更多  
![fd80856aaa10646407f9d678a39432d4.png][]

▲长按加客服微信，咨询更多

[ea3156510245ca9a02bf20f071a58ec5.png]: /images/20220828/7e7c3abc7efe4234b9551e143ff61283.png
[c596b088fc3dbe22ced0353d473e483f.png]: /images/20220828/62f46cb7ef374cd0bc7f9c7d882776c1.png
[1201b69667459c67f25d4f7c99640128.png]: /images/20220828/83b29c1fe4294896ac8185a410a38e61.png
[5e266c3e01101f7d5866b46ab3ba22a4.png]: /images/20220828/5c5146e1af324bae918865f7b712e851.png
[c04a505da1f47a435827056ab338949c.png]: /images/20220828/b455125e52eb41f6947336c182278872.png
[c70c51ec209d877da044933805826677.png]: /images/20220828/9c368937e88047bab37f6f4bf00d552f.png
[9a18fc7231efb692134ae4718c7381f1.png]: /images/20220828/13ef2fb7841149e09c1a080ce5f5f109.png
[10150bbbc63987d4b6645612e61c8df2.png]: /images/20220828/728a750a7e4e416d9a4e9093b3b3d77e.png
[9f6253113c82f6355745e676772e5d43.png]: /images/20220828/ee3018fc68b24148b3c940619c16deff.png
[d47c97bb053a9f716d78f97750d79d26.png]: /images/20220828/f761956aeafb4005bf8fcc57b15b686c.png
[7a2c69de50123d924c945d8974baf3af.png]: /images/20220828/8851ae9bd4a84706b08158a6a62c728c.png
[0c0f1d3402896cac33ae0a44ca9758b0.png]: /images/20220828/5ae7ce0f21ab43f1afedb17ec17f6814.png
[652231efbcd5b2345b72c6a7f5d6e656.png]: /images/20220828/c6f347a9625e47bf966637f875906b9a.png
[c67930560480ca896e83aec7bb33fb07.png]: /images/20220828/5c04f552f81b4e5fbda5895f6dee0429.png
[6488f3fbad4c818a11afda61ec3c7da7.png]: /images/20220828/863f54052b3345379d7b7716ad6b8fad.png
[a57cd4ffd8207689d78233314e554585.png]: /images/20220828/0efbbdcb71944ddebf8c29ed002157e2.png
[bd07416557ad6b3f03be0ed347ce99d5.png]: /images/20220828/4e53c7b8246e41099812c747e754c919.png
[b95a2cbe0a190064a66397615b7f90c5.png]: /images/20220828/8481f153e0794cea92380de9ed3508ed.png
[fd80856aaa10646407f9d678a39432d4.png]: /images/20220828/352544148160452abaa9b549a2047a28.png