PTC-Depth：具有时间一致性的姿势改进单眼深度估计

单目深度估计（MDE）已广泛应用于自动驾驶车辆和移动机器人的感知系统中。然而，现有方法通常难以维持连续帧的深度估计的时间一致性。这种不一致不仅会导致抖动，而且当深度范围突然变化时还会导致估计失败。为了应对这些挑战，本文提出了一种一致性感知的单目深度估计框架，该框架利用移动机器人的轮式里程计来随着时间的推移实现稳定且连贯的深度预测。具体来说，我们使用连续帧之间的光流通过三角测量来估计相机姿态和稀疏深度。稀疏深度估计用于更新度量尺度的递归贝叶斯估计，然后将其应用于重新缩放由预训练的深度估计基础模型预测的相对深度。所提出的方法在 KITTI、TartanAir、MS2 和我们自己的数据集上进行了评估，展示了稳健且准确的深度估计性能。