在自動駕駛中，基于立體視覺的深度估計技術(shù)可以準確地估計出障礙物與車輛的距離，該技術(shù)對于車輛正確規(guī)劃路徑也至關(guān)重要。

（圖片來源：SIAT）

立體深度估計已經(jīng)變成配備卷積神經(jīng)網(wǎng)絡(luò)的深度學習模型，不過，此類模型后續(xù)需要進行大量的處理，對不適定的區(qū)域或新場景沒有很強的適應能力。此外，由于在真實情況下，很難標記真實的地面深度，該系統(tǒng)的訓練數(shù)據(jù)也很有限。

據(jù)外媒報道，中國科學院深圳先進技術(shù)研究所（SIAT）的Zhang Qieshi博士領(lǐng)導了一個研究小組，提出一種新型技術(shù)解決方案，以解決目前自動駕駛中存在的深度估計問題。

研究人員提出了一種自我改進金字塔立體網(wǎng)絡(luò)，后續(xù)無需復雜處理就可直接復原差距，而且在不適定的區(qū)域，該網(wǎng)絡(luò)也展現(xiàn)了較強的魯棒性。

此外，通過在線學習，該模型不僅解決了數(shù)據(jù)局限性問題，還在實際應用中節(jié)省了培訓時間和硬件資源。同時，面對新場景，具備自我改進的能力，能夠根據(jù)測試數(shù)據(jù)及時快速調(diào)整，以提高預測的準確性。

研究人員進行了實驗以及基準測試，結(jié)果表明，新提出的網(wǎng)絡(luò)能夠?qū)崿F(xiàn)深度估計功能，而且錯誤率僅為8.3%。