MonoIndoor : Vers une meilleure pratique de l’estimation de profondeur monoscopique auto-supervisée dans les environnements intérieurs

L’estimation de profondeur auto-supervisée dans les environnements intérieurs est plus complexe que dans les environnements extérieurs, au moins pour les deux raisons suivantes : (i) la portée de profondeur des séquences intérieures varie considérablement d’un cadre à l’autre, ce qui rend difficile pour le réseau de profondeur d’extraire des indices de profondeur cohérents, tandis que la distance maximale dans les scènes extérieures reste généralement stable, le capteur voyant souvent le ciel ; (ii) les séquences intérieures contiennent bien plus de mouvements de rotation, ce qui complique la tâche du réseau d’estimation de pose, alors que les mouvements dans les séquences extérieures sont principalement translatifs, notamment dans les jeux de données de conduite comme KITTI. Dans cet article, ces défis sont particulièrement pris en compte, et un ensemble de bonnes pratiques est consolidé afin d’améliorer les performances de l’estimation monocabine auto-supervisée de profondeur dans les environnements intérieurs. La méthode proposée repose principalement sur deux modules novateurs, à savoir un module de factorisation de profondeur et un module d’estimation de pose résiduelle, chacun conçu pour traiter respectivement les défis mentionnés ci-dessus. L’efficacité de chaque module est démontrée par une étude ablation soigneusement menée, ainsi que par la performance de pointe obtenue sur trois jeux de données intérieurs : EuRoC, NYUv2 et 7-scenes.