曾经在单目深度估计中效果非常不错的monodepth方法现在有了最新的第二个升级版本。先上github链接：
https://github.com/nianticlabs/monodepth2
早在v1版本中，单目深度估计的帧率为18fps（GTX1070），纯C++版本是28fps。最新的v2版本采用pytorch进行实现，本文将持续更新，只要测试几个要点：
- 最新的版本帧率；
- 在kitti上的效果；
- 与常用的DVO方法结合的slam效果。
本文还将在这个项目的基础上实现以下功能：
- libtorch 纯C++推理实现；
- DVO集成。
作为本人在奇点社区的第一篇分享，还是遵循社区的规则，充实以下内容。这篇文章应该是研究slam以及机器人定位的小伙伴看的。
Digging Into Self-Supervised Monocular Depth Estimation
这篇文章写作的动机在于，注意哦，这是一篇非监督的单目深度估计论文. 假如你要做一个监督的深度估计，你去每一个像素值标注深度不会累死去？即便是用深度相机生成的深度图也很难去在上面校正。深度相机生成的深度图普遍比较渣。我们来看一下这篇论文的效果：
从图可以看出，monodepth2的效果比1好很多，并且更加的细致、密集。
这里有一张非常清晰的对比照：
一些深度估计方法，诸如GeoNet等都出现了fail的情况，但是monodepth2却可以非常精准的估计深度。
上图是monodepth的核心网络结构。论文中的核心要点可以总结为三点：
- 深度网络：文中提到了一种深度网络，从彩色图得到depth；
- 表观特征loss：很好的处理了被遮挡像素值的预测情况；
- 多尺度同步进行loss：在多个不同尺度上对groudtruth进行loss训练。
实验证明，这个方法十分的有效:
当然，论文中也展示了一些失败案例：
从实际应用来讲，这个效果其实已经十分不错。甚至超过了一些深度相机生成的深度图效果。
