深度估计长久以来一直是计算机视觉领域的一个重要底层任务,从图片中预测每个像素的深度值对于多种现实世界中的下游任务,比如车辆自动驾驶,场景三维重建,增强现实以及机器人操作都有着重要的帮助。但是,直接从生产端拍摄的单张或多张图像中直接估计深度面临多方面的挑战,例如如何快速有效地预测准确的深度,如何在缺失大量真实的训练数据集的情况下进行神经网络的训练,如何高效利用深度信息辅助下游任务的进行。对于这些任务的深入研究对于相关科学领域的发展以及工业界的多种应用落地都有着重要的意义。本文重点关注于基于图像视觉技术的深度估计算法的改进,以及利用深度估计算法辅助其他下游计算机视觉任务的性能改进。本文在两个大的方向上进行研究-无监督的深度估计算法的研究以及对于深度信息的应用研究。有监督的深度估计算法基于深度相机等外部设备获得的准确深度图像作为监督,训练单目或者双目深度估计网络预测准确的深度。首先,有监督的深度学习面临的问题主要是如何提高算法的准确度和算法的运行效率;然而在现实世界中,获取真实可靠,且大量的深度信息标注数据是一个非常困难的挑战,不仅仅是因为大量的人力物力的消耗,更有现阶段的深度相机本身的物理局限性的原因。因此,如何通过相邻或双目图像之间的自身视觉约束来实现无监督的深度估计算法,对于科学和工业界都有着重要的意义。其次,对于深度估计算法模型和训练本身的改进外,本文对于如何利用深度信息、提取深度信息中的特征辅助其他下游任务的应用也进行了深入的研究和探索。具体而言,本文对于如何例如深度信息在物体位姿估计这一下游任务上提高准确度进行了详细的研究。本文的主要研究内容如下:1.研究了基于自蒸馏的训练方式的无监督单目深度估计的问题。针对传统的无监督单目算法的一阶段方案无法高效预测准确深度的问题,首先提出一个两阶段的无监督单目深度估计算法。第一阶段采用传统的全卷积网络预测单目图像的深度,第二阶段利用第一阶段预测的深度进行改进获得精细的深度图。其次,针对自监督二阶段网络缺少合理的监督的问题,提出一种自蒸馏的损失函数。自蒸馏损失模拟传统蒸馏算法的监督方式,不过区别于传统蒸馏算法使用独立的老师、学生网络,我们的自蒸馏损失将整个二阶段网络看作老师网络,并用老师网络预测深度值作为监督约束第一阶段的预测深度值。本文提出的自蒸馏算法中,老师网络可以利用学生网络的粗糙预测作为初始结果来取得更好的估计,并且学生网络在老师网络的监督下也可以进一步得到提高。实验表明本文提出的自蒸馏无监督单目深度估计算法,可以在不增加推理阶段网络花费的时间和模型参数的情况下提高算法的性能。2.研究了利用无监督单双目深度网络的特性互相促进两种深度估计网络的准确度的问题。针对自监督单目深度估计难以利用双目相机系统的特性估计准确深度的问题,提出了一个遮挡感知的蒸馏模块,利用双目深度网络的预测结果作为伪标签监督单目深度估计网络训练的结构。虽然双目深度网络也是通过无监督的方式训练的,但是预测的深度要远好于直接无监督训练的结果,提高了单目深度估计的准确度。针对无监督双目深度估计在遮挡区域表现较差的情况,提出一种遮挡感知的融合模块结合单目深度估计与双目深度估计来提高深度估计准确度。单目深度估计算法在双目图像中由于视差遮挡造成的遮挡区域的预测结果好于双目算法的预测效果,而在未遮挡区域,双目算法的效果要好于单目的深度预测网络。实验表明本文提出的单双目深度估计互惠互利的训练方式,可以在不增加额外训练量情况下同时提高两者的性能。3.研究了利用深度信息建立密集对应估计物体位姿的问题。针对仅依靠图像信息无法获取更深度的特征的问题,提出一个将深度信息转为点云再提取逐点云特征的算法。计算的点云特征会与图像特征一起用于物体位姿估计的计算。针对仅依靠数个关键点无法应对遮挡等复杂场景位姿估计的问题,提出基于密集对应的位姿估计算法。该算法首先会利用结合的点云与图像特征对于每个像素预测对应的物体模型的对应点,建立密集的点对应对,再直接利用最小二乘法算法计算物体的六自由度位姿。实验表明基于深度信息和密集对应的位姿估计方法,可以在严重遮挡的情况下提高位姿估计算法的准确度。对于上述研究内容,本文提出的多种算法得到了领域内的认可,这对于进一步提升深度估计的算法和应用都有着促进作用。