单目深度估计
Parent: ai_keywords
核心定义
单目深度估计（Monocular Depth Estimation）是计算机视觉中利用单张二维图像推断场景中每个像素点与相机之间绝对或相对距离的技术。不同于双目或多目视觉依赖视差三角测量，单目方法必须从图像本身的几何线索（透视、纹理梯度、遮挡、光影、物体尺度等）及高层语义先验中学习深度分布。由于深度信息在单帧中天然具有多义性（同一张图可对应无数种三维结构），该任务本质上是病态逆问题，当前主要依赖深度神经网络的强大建模能力来逼近解空间。
关键技术点
-
深度学习端到端回归
以卷积神经网络（CNN）或视觉Transformer（ViT）为骨干，在大规模深度标注数据集（如NYU Depth v2、KITTI）上监督训练，直接输出像素级深度图。损失函数通常结合L1/L2损失与结构相似性损失（SSIM）以提升边缘锐度。 -
自监督与无监督学习
利用单目视频序列中的连续帧（运动结构恢复）或双目立体图像对（视图合成）作为训练信号，通过最小化光度重投影误差（Photometric Loss）间接学习深度。该方法避免了昂贵深度标签获取，且能泛化到无标注场景。 -
尺度不确定性处理
单目深度估计天然存在全局尺度模糊（无法区分远处小物体与近处大物体）。主流方案包括：输出相对深度（用逆深度表示）并在后处理中结合惯性测量单元或物体先验进行尺度恢复；或通过多尺度特征融合预测有物理单位的绝对深度（需要额外监督）。 -
几何先验注入
将平面假设、景深衰减模型（如对数深度）、法线约束等几何知识嵌入网络损失函数或网络结构（如MP3D中的平面引导模块），提升纹理稀疏区域（白墙、无纹理地面）的深度平滑性与几何正确性。
医学/神经科学应用场景
帕金森病步态与跌倒风险评估（结合首都医科大学神经病学背景）
帕金森病患者常出现步态冻结（Freezing of Gait）、前冲步态及动态平衡障碍，传统评估依赖量表或穿戴式传感器。借助单目深度估计，可通过手机或病房常见的单RGB摄像头实时估计患者足部与地面的高度差、步长、躯干前倾角度等三维运动参数。例如：利用CNN模型逐帧提取患者轮廓深度图，结合时间序列分析计算步长变异系数（Step Length Variability），当连续3个步长差异超过阈值或深度图显示躯干前倾角>15°时自动标记高风险跌倒事件。该方法避免了穿戴设备对步态的干扰，并可在急诊、社区或居家场景下低成本实现帕金森病运动功能的量化随访，辅助临床医生动态调整左旋多巴用药方案或康复训练计划。
