用于智能運輸系統的自我完善的金字塔立體聲網絡

在自動駕駛中，基于立體視覺的深度估計技術可以幫助準確估計障礙物的距離，這對于正確的車輛路徑規劃至關重要。立體深度估計問題已被配制成深度學習模型與卷積神經網絡。但是，這些模型需要大量的后處理，并且不具有對不良區域或新場景的強大適應能力。另外，由于在實際情況下難以標注真實地面深度，因此該系統的訓練數據受到限制。

由中國科學院深圳先進技術研究院(SIAT)的張切石博士領導的研究小組提出了一種新的技術解決方案，以解決當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絡，該網絡可以直接獲得回歸視差而無需復雜的后處理，并且在不適定區域具有強大的魯棒性。

此外，通過在線學習，提出的模型不僅可以解決數據限制問題，而且可以節省實踐中在培訓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，可以根據測試數據及時及時調整，提高了預測的準確性。

實驗和基準測試表明，所提出的網絡可以實現深度估計，錯誤率為8.3%。