本文提出了一种新颖的广基线全向立体算法，使用深度卷积神经网络从鱼眼图像计算密集深度估计，直接生成具有全 360 度覆盖的密集全向深度图，该算法的实验结果表明，在合成和实际数据集上，比传统的深度估计方法具有更高的准确性。

Feb, 2019

本文提出了一种新颖的端到端深度神经网络模型，用于从广角多视角立体成像中实现全向深度估计，并提出了大规模的合成数据集来用于算法的训练与测试。结果表明，所提出的方法在合成和实际环境中都生成了出色的结果，并优于现有技术。

Aug, 2019

本文提出在未经校正的鱼眼图像上运行的多任务视觉感知网络来加强自动汽车系统的六个主要任务，其中包括深度估计，视觉测距，语义分割，动态分割，目标检测以及镜头污染检测，通过联合训练模型，在 KITTI 数据集上实现深度估计和姿态估计任务的最新结果。

Feb, 2021

本研究基于深度立体匹配中使用的 3D 卷积学习 3D 成本体积和流形成本之间的映射关系，旨在提出一种新的算法，该算法绕过了需要构建 5D 特征体积的要求。具体而言，本研究提出解耦 2D 位移之间的关系，并在每个 2D 位移假设上独立地应用 2D 卷积匹配网络来学习 4D 成本体积，从而实现了独立于位移的成本学习。最后，我们采用 2D soft-argmin 层将成本体积投影到光流估计中。

Oct, 2020

本研究针对自监督学习方法在鱼眼和针孔相机等复杂投影模型下无法很好地应用于距离估计的问题，提出了一种新的多任务学习策略。通过引入自注意力编码器和用鲁棒的语义特征指导解码器的距离估计网络结构，我们成功地将性能提升了 25％。同时，采用去除超参数调节的广义鲁棒损失函数和语义掩蔽策略来缓解动态物体违反静态世界假设所引起的估计误差。该方法不需要外部尺度估计，并且在 KITTI 数据集和针孔模型上达到了自监督方法的最佳性能水平。

Aug, 2020

利用双目摄像机的传感器融合提高室外图像的对象分割，通过几何信息的利用，可以区分重叠的同类或异类物体，并抑制虚假检测，该方法的融合过程基于面罩评分，采用伪激光雷达和基于图像的表示进行 2D、2.5D 和 3D ROI 上的面罩回归。通过使用具有更高分辨率、更长基线和焦距的 High-Quality Driving Stereo（HQDS）数据集，我们的性能达到了最新的技术水平。

Jun, 2020

本文研究了自动驾驶和监视等领域中对大视场（>180 度）需求的鱼眼相机，探索了基于自监督学习的尺度感知框架来学习从原始单目鱼眼视频中获取欧几里得距离和自运动。作者提出的算法在 KITTI 数据集上得到了与其他自监督单目方法相媲美的最新结果。

Oct, 2019

本文提出了一种基于学习的方法，通过直接预测图像中给定物体的距离来解决自动驾驶中一个困难的问题：距离估计。该方法在构建了 KITTI 和 nuScenes 数据集的基础上，利用增强模型和关键点回归器解决了传统的 IPM、SVR 方法不能很好解决的场景，取得了较大的性能提升。

Sep, 2019

本文使用 Canny-VO 作为 RGBD 视觉里程计系统，并将它应用于自由曲线注册的经典问题。针对边缘注册中常用距离变换的两种替代方法提出了 Approximate Nearest Neighbour Fields 和 Oriented Nearest Neighbour Fields。为了保证系统在异常值和噪声存在的情况下的鲁棒性，注册问题被形式化为最大后验概率问题，并通过迭代重新加权最小二乘法来解决。最后在公共 SLAM 基准序列上进行了广泛评估，证明了该系统具有最先进的性能和优于欧几里德距离场的特点。

Dec, 2020

本文提出了基于距离几何的逆运动学求解器，并结合 Riemannian 优化算法，初值平滑技术等方法，实现了更高效的求解方法。

Aug, 2021