Struct-MDC：視覚SLAMから得られる構造的規則性を活用したメッシュ精製型教師なし深度補完

特徴ベースの視覚同時位置推定および地図作成（SLAM）手法は、抽出された特徴の奥行きのみを推定するため、疎な奥行きマップしか生成できない。この疎さの問題を解決するため、疎な奥行きから密集した奥行きを推定する「奥行き補完（depth completion）」タスクは、探索を含むロボットアプリケーションにおいて重要な役割を果たしている。従来の視覚SLAMから得られる疎な奥行きを活用する手法は主に点特徴に依存しているが、テクスチャの欠如や特徴の疎らさといった問題により、点特徴は構造的な規則性を十分に保持できないという制約がある。このような課題に対処するため、本研究では、点特徴よりも構造的規則性をよりよく捉えることができる線分特徴を用いた奥行き補完手法を提案する。提案手法は、線分特徴を用いた奥行き補間と制約付きデローニー三角形分割を組み合わせ、凸包領域を構築する。しかしながら、生成された奥行きマップには低周波成分が含まれており、凸包境界部で不連続性が生じる問題がある。この問題に対処するため、メッシュ奥行き精細化（Mesh Depth Refinement: MDR）モジュールを提案する。MDRモジュールは、入力画像の高周波成分を補間された奥行きに効果的に伝達し、従来手法と深層学習ベースの手法の橋渡しを果たす上で重要な役割を果たす。構造的奥行き補完手法（Struct-MDC）は、公開データセットおよび自作データセットにおいて、他の最先端手法を上回る性能を示し、一部の指標では教師あり手法をも上回る結果を達成した。さらに、厳密なアブレーションスタディにより、提案するMDRモジュールの有効性が実証された。