基于深度学习的立体视觉深度估计技术综述

从RGB图像中估计深度是一个长期存在的病态问题，数十年来一直受到计算机视觉、图形学以及机器学习领域的广泛关注与研究。在现有技术中，立体匹配因其与人类双目视觉系统的紧密关联，仍是文献中最广泛使用的方法之一。传统上，基于立体的方法通过在多幅图像之间匹配手工设计的特征来实现深度估计。尽管相关研究极为丰富，但这些传统方法在面对高度纹理区域、大范围均匀区域以及遮挡情况时，仍存在明显局限。近年来，随着深度学习在解决各类二维与三维视觉问题中展现出日益显著的成效，基于深度学习的立体深度估计方法逐渐受到学术界的广泛关注，仅在2014至2019年间，该领域就发表了超过150篇相关论文。这一代新方法在性能上实现了显著突破，推动了自动驾驶、增强现实等应用的发展。本文对这一快速演进的研究领域进行了全面综述，系统总结了当前最常用的算法流程，并深入分析了各类方法的优势与局限性。在回顾已有成果的基础上，本文进一步展望了基于深度学习的立体深度估计研究未来可能的发展方向。