خريطة عمق دقيقة للبيئة تعد ضرورية لتشغيل الروبوتات والمركبات ذاتية القيادة بشكل آمن. حاليًا، يتم استخدام تقنية الكشف عن الضوء والمسافة (LIDAR) أو خوارزميات التوافق الثنائي للحصول على هذه المعلومات العميقة. ومع ذلك، فإن جهاز LIDAR بدقة عالية يكون باهظ الثمن وينتج خريطة عمق نادرة الكثافة على مسافات طويلة؛ بينما تتمكن خوارزميات التوافق الثنائي من إنشاء خرائط عمق أكثر كثافة ولكنها غالبًا ما تكون أقل دقة من LIDAR عند المسافات الطويلة. يجمع هذا البحث بين هذين النهجين لإنتاج خرائط عمق كثيفة وجودتها عالية. بخلاف النماذج السابقة التي يتم تدريبها باستخدام العلامات الحقيقية، يعتمد النموذج المقترح على عملية تدريب ذاتية-إشرافية. أظهرت التجارب أن الطريقة المقترحة قادرة على إنتاج خرائط عمق كثيفة وجودتها عالية وتؤدي بشكل مستقر حتى مع المدخلات ذات الدقة المنخفضة. هذا يشير إلى إمكانية تقليل التكلفة من خلال استخدام أجهزة LIDAR بدقة منخفضة بالاشتراك مع الأنظمة الثنائية مع الحفاظ على الدقة العالية.