구조적 일관성 및 신뢰도 가중 매칭을 통한 스테레오 깊이 추정 향상
Enhancing Stereo Depth Estimation Based on Structural Consistency and Reliability-Weighted Matching
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
정확한 거리(깊이) 정보 추정은 자율주행, 휴머노이드 로봇 등 다양한 로보틱스 응용에서 핵심적이다. 기존 깊이 추정 방식들은 상호보완적인 한계를 가집니다. 단일 카메라 기반 깊이 추정(Monocular Depth Estimation)은 전역적 구조를 안정적으로 포착하지만 절대 스케일 복원이 어렵고, 스테레오 기반 추정은 정확한 거리 값을 제공하나 가려짐이나 텍스처 부족 영역에서 구조적 왜곡이 빈번히 발생합니다. 본 연구는 이러한 상호보완적 특성에 주목하여, 단안 깊이 기반 신뢰도 가중 히스토그램 정렬을 이용해 스테레오 깊이 맵의 구조를 정제하는 융합 기법을 제안합니다. 제안 방법은 깊이 구조의 왜곡 정도에 따라 커널 크기를 점진적으로 감소시키는 구조 일관성 기반 정제를 통해 스테레오 시차 맵을 정제하고, 신뢰도 기반 가중 히스토그램 매칭을 적용하여 단안 깊이의 전역 분포를 스테레오 깊이의 절대 스케일에 정합시킵니다. KITTI Dataset과 Driving Stereo Dataset에 대한 정량적 성능 평가 결과, 제안 방법이 MAE(평균 절대 오차)와 RMSE(제곱근 평균 제곱 오차)에서 다른 방법론 대비 가장 우수한 성능을 보였습니다.
Abstract
Accurate depth (distance) information estimation is essential in various robotics applications, including autonomous driving and humanoid robots. Existing depth estimation methods possess complementary limitations. Monocular Depth Estimation is stable in capturing global structure but fundamentally struggles with absolute scale recovery. Conversely, Stereo-based Depth Estimation provides accurate distance values but frequently suffers from structural distortion in areas like occlusions or low texture regions. This study addresses these complementary characteristics by proposing a fusion technique that refines the structure of stereo depth maps using Monocular Depth-based Confidence-Weighted Histogram Alignment. The proposed method first refines the stereo disparity map through Structure Consistency-Based Refinement, which progressively reduces the kernel size according to the degree of depth structure distortion. Subsequently, Confidence-Weighted Histogram Matching is applied to align the global distribution of the monocular depth with the absolute scale of the stereo depth. Quantitative performance evaluation on the KITTI Dataset and Driving Stereo Dataset showed that the proposed method achieved the best performance compared to other methodologies in MAE (Mean Absolute Error) and RMSE (Root Mean Square Error).