在自動駕駛中，基于立體視覺的深度估計技術(shù)可以幫助準(zhǔn)確估計障礙物的距離，這對于正確的車輛路徑規(guī)劃至關(guān)重要。

立體深度估計問題已被公式化為具有卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型。但是，這些模型需要大量的后處理，并且不具有對不適定區(qū)域或新場景的強大適應(yīng)能力。另外，由于在實際情況下難以標(biāo)注真實地面深度，因此該系統(tǒng)的訓(xùn)練數(shù)據(jù)受到限制。

由中國科學(xué)院深圳先進技術(shù)研究院(SIAT)的張切石博士領(lǐng)導(dǎo)的研究團隊提出了一種新的技術(shù)解決方案，以解決當(dāng)前自動駕駛的深度估計問題。

研究人員提出了一種自我改進的金字塔立體網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以直接獲得回歸視差而無需復(fù)雜的后處理，并且在不適定區(qū)域具有強大的魯棒性。

此外，通過在線學(xué)習(xí)，提出的模型不僅可以解決數(shù)據(jù)限制問題，而且可以節(jié)省實踐中在培訓(xùn)和硬件資源上花費的時間。同時，它具有對新場景的自我完善能力，可以根據(jù)測試數(shù)據(jù)及時及時調(diào)整，提高了預(yù)測的準(zhǔn)確性。

實驗和基準(zhǔn)測試表明，所提出的網(wǎng)絡(luò)可以實現(xiàn)深度估計，錯誤率為8.3%。

該研究發(fā)表在IET智能交通系統(tǒng)上。