按需深度：从低帧率主动传感器流式传输密集深度
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了低帧率传感器在机器人和汽车感知中深度估计精度不足的问题。提出的按需深度(DoD)方法，通过结合高帧率RGB传感器和低帧率稀疏深度传感器，实现了能耗降低和高密度形状重建。该方法在室内外视频数据集上的有效性评估表明，其在环境扫描和汽车感知的应用潜力显著。
本研究提出了一种深度模型，能在极少的像素点处获得 RGB 图像的已知深度情况下，精确地生成密集深度图，并能在 NYUv2 和 KITTI 数据集上实现近乎实时速度的室内/室外场景的高质量深度点云。与其他稀疏到密集深度方法相比，在每 ~10000 个像素中仅有一个像素的情况下，我们的深度估计准确度比现有最新算法还要高，仅在图像 1/256 的像素上估计，我们的精度就相当于消费级深度传感器的性能，本研究说明了将稀疏深度测量高效地转换成高质量的密集深度图是完全可能的。
