摘要

全景图像能够同时呈现周围环境的完整信息，在虚拟旅游、游戏、机器人等领域具有诸多优势。然而，现有的全景深度估计方法由于依赖常见的投影方式，仍无法完全解决由此带来的畸变和不连续问题。本文提出了一种新型的全景深度估计方法——SphereDepth，该方法直接在球面网格（spherical mesh）上进行深度预测，无需传统的投影预处理步骤。其核心思想是建立全景图像与球面网格之间的映射关系，并利用深度神经网络在球面域上提取特征，进而预测深度。为应对高分辨率全景数据带来的计算效率挑战，本文在所提出的球面网格处理框架中引入两个超参数，以在推理速度与精度之间实现有效权衡。在三个公开的全景数据集上的实验验证表明，SphereDepth在性能上可与当前最先进的全景深度估计方法相媲美。得益于球面域的几何结构，SphereDepth能够生成高质量的点云，并显著缓解传统方法中存在的畸变与不连续问题。