Estimación de la profundidad de una escena mediante cámaras RGB-D y modelos de estimación de profundidad monocular

Abstract

La percepción de la profundidad es un requisito fundamental para una interacción segura y eficaz con el entorno en campos como la robótica y la conducción autónoma. Los enfoques existentes para la adquisición de profundidad, como LiDAR, visión estereoscópica, sensores RGB-D y estimación de profundidad monocular, ofrecen ventajas complementarias, pero se ven invariablemente afectados por la incertidumbre de la medición. Este trabajo aborda el problema de estimar y refinar tanto la profundidad como su incertidumbre asociada, combinando los resultados de un sensor RGB-D con un modelo de estimación de profundidad monocular. Proponemos modelar la incertidumbre como una distribución gaussiana por píxel, lo que permite la fusión de múltiples fuentes de profundidad mediante la multiplicación probabilística. Para lograrlo, desarrollamos un modelo de aprendizaje automático capaz de predecir mapas de incertidumbre a partir de imágenes RGB emparejadas y estimaciones de profundidad, capturando tanto las fuentes de error aleatorias como las sistemáticas. Los experimentos se llevan a cabo utilizando el conjunto de datos sintéticos HyperSim, lo que garantiza el acceso a la profundidad real para el entrenamiento supervisado. El método propuesto produce mapas de profundidad refinados con menor incertidumbre, lo que ofrece una representación más fiable de la escena. Entre las posibles aplicaciones se incluyen la robótica, la navegación autónoma y otros ámbitos que requieren una percepción de profundidad robusta.