DAPM: UAV Monocular Depth Estimation from Any Height, Pitch, Roll and FOV

📄 arXiv: 2607.21438v1 📥 PDF

作者: Tong Ling, Wenhui Diao, Yingchao Feng, Hanbo Bi, Zhongyan Hou, Xian Sun

分类: cs.CV

发布日期: 2026-07-23

🔗 代码/项目: GITHUB

💡 一句话要点

提出DAPM以解决无人机单目深度估计在多变视角下的问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 单目深度估计 无人机 相机姿态估计 几何关系 深度学习 计算机视觉 航拍图像

📋 核心要点

  1. 现有单目深度估计方法在无人机动态相机姿态下的泛化能力不足，难以处理复杂的深度分布。
  2. 提出的DAPM框架结合了理想地面深度模块和逐步量化箱模块，能够在多变视角下有效估计深度和相机姿态。
  3. 在UAPD数据集上的实验结果显示，DAPM在深度和相机姿态估计上均优于现有方法，表现出色。

📝 摘要（中文）

单目深度估计是无人机3D重建和自主导航的基础。然而，现有方法在高度、俯仰角、滚转角和视场角（FOV）等动态相机姿态下的泛化能力不足。为此，本文通过理论分析建立了无人机视角的定量表示，提出了深度估计任意视角模型（DAPM），首次针对无人机航拍图像设计了一个框架，能够在不断变化的视角下联合估计相机姿态和深度。引入的理想地面深度（IGD）模块和逐步量化箱（PQB）模块增强了深度特征和相机姿态监督。实验结果表明，DAPM在深度和相机姿态估计指标上均达到了最先进的性能。

🔬 方法详解

问题定义：本文旨在解决无人机在高度、俯仰角、滚转角和视场角等动态变化下的单目深度估计问题。现有方法在这些多变视角下的泛化能力不足，难以准确估计深度和相机姿态。

核心思路：提出的DAPM框架通过建立无人机视角与视距之间的几何关系，设计了一个专门针对无人机航拍图像的深度估计模型，能够在不断变化的视角下联合估计相机姿态和深度。

技术框架：DAPM框架主要包括两个模块：理想地面深度（IGD）模块和逐步量化箱（PQB）模块。IGD模块利用几何关系进行相机姿态的密集监督，而PQB模块则通过逐步监督和分层量化箱实现鲁棒的深度估计。

关键创新：DAPM的主要创新在于首次将无人机视角与深度估计相结合，提出了新的几何关系和相机姿态监督机制，显著提升了在复杂场景下的估计性能。

关键设计：在设计中，IGD模块通过引入几何关系进行深度特征增强，PQB模块则采用分层量化策略，结合逐步监督，确保了模型在多变视角下的稳定性和准确性。损失函数的设计也考虑了深度和姿态的联合优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在UAPD数据集上的实验结果显示，DAPM在深度估计和相机姿态估计上均达到了最先进的性能，具体表现为在深度估计指标上提升了XX%，在相机姿态估计上提升了YY%。这些结果表明，DAPM在复杂无人机航拍场景下的有效性和鲁棒性。

🎯 应用场景

该研究的潜在应用领域包括无人机自主导航、环境监测、农业监控等。通过提高无人机在复杂环境中的深度估计能力，能够显著提升其在实际应用中的智能化水平和操作安全性。未来，该技术有望推动无人机在更多领域的广泛应用。

📄 摘要（原文）

Monocular depth estimation is a fundamental prerequisite for 3D reconstruction and autonomous navigation in Unmanned Aerial Vehicles (UAVs). In practical deployments, UAVs operate under highly dynamic camera poses characterized by continuous variations in height, pitch, roll, and field of view (FOV). Existing monocular depth estimation methods frequently fail to generalize across such diverse perspectives and the expansive scale of depth distributions inherent in aerial scenes. To address these challenges, we establish a quantitative representation of UAV viewing angles through rigorous theoretical analysis, deriving the geometric correspondence between viewing angles and view distances using the ground plane as a reference for observation. Building upon this, we propose Depth Estimation for Any Perspectives Model (DAPM), representing the first monocular framework specifically designed for UAV aerial imagery to jointly estimate camera pose and depth under continuously varying viewpoints. Specifically, we introduce an Ideal Ground Depth (IGD) module that leverages the derived geometric relationships between UAV perspectives and view distances to implement dense camera-pose supervision and enhance depth features. And we further develop a coarse-to-fine Progressive Quantization Bins (PQB) module. By incorporating progressive supervision and hierarchical quantization bins, the PQB module enables robust estimation in complex UAV aerial imagery. To evaluate the proposed framework, we present the UAV Any Perspectives Depth (UAPD) dataset, featuring comprehensive and continuous distributions of pose parameters. Experimental results on UAPD demonstrate that DAPM achieves state-of-the-art performance across both depth and camera-pose estimation metrics. The source code and datasets are available at: https://github.com/ThisIsLT/DAPM.