Unsupervised Learning of Depth and Ego-Motion from Monocular Video Using 3D Geometric Constraints

1 Intro 这篇文章的创新点在于loss的改进，之前的非监督方法loss都是像素范围上或者基于梯度的，只是考虑了像素周围局部的小范围。本文的方法就是将场景的立体几何考虑进来，增强预测的一致性。 2 Approach 整个方法流程如图所示，首先网络的input是两张相机运动连续的图片，分别对两个图片预测深度图，然后再根据这对图片预测出相机自运动信息，一张图片的深度图转点云后结合预测的相机自运动去

>>阅读原文<<