In this study, we present a method for all-around depth estimation from multiple omnidirectional images for indoor environments. In particular, we focus on plane-sweeping stereo as the method for depth estimation from the images. We propose a new icosahedron-based representation and ConvNets for omnidirectional images, which we name "CrownConv" because the representation resembles a crown made of origami. CrownConv can be applied to both fisheye images and equirectangular images to extract features. Furthermore, we propose icosahedron-based spherical sweeping for generating the cost volume on an icosahedron from the extracted features. The cost volume is regularized using the three-dimensional CrownConv, and the final depth is obtained by depth regression from the cost volume. Our proposed method is robust to camera alignments by using the extrinsic camera parameters; therefore, it can achieve precise depth estimation even when the camera alignment differs from that in the training dataset. We evaluate the proposed model on synthetic datasets and demonstrate its effectiveness. As our proposed method is computationally efficient, the depth is estimated from four fisheye images in less than a second using a laptop with a GPU. Therefore, it is suitable for real-world robotics applications. Our source code is available at https://github.com/matsuren/crownconv360depth.

中文翻译：

---

360$^\circ$ 用二十面体的折纸冠表示从多个鱼眼图像的深度估计

在这项研究中，我们提出了一种从室内环境的多个全方位图像中进行全方位深度估计的方法。特别是，我们专注于平面扫描立体作为从图像进行深度估计的方法。我们为全向图像提出了一种新的基于二十面体的表示和 ConvNets，我们将其命名为“CrownConv”，因为这种表示类似于折纸制成的皇冠。CrownConv 可以应用于鱼眼图像和等距矩形图像以提取特征。此外，我们提出了基于二十面体的球面扫描，用于从提取的特征中生成二十面体的成本量。使用三维CrownConv对代价量进行正则化，从代价量中通过深度回归得到最终深度。我们提出的方法通过使用外部相机参数对相机对齐具有鲁棒性；因此，即使相机对齐与训练数据集中的不同，它也可以实现精确的深度估计。我们在合成数据集上评估所提出的模型并证明其有效性。由于我们提出的方法计算效率高，因此使用带有 GPU 的笔记本电脑在不到一秒的时间内从四个鱼眼图像中估计深度。因此，它适用于现实世界的机器人应用。我们的源代码可从 https://github.com/matsuren/crownconv360depth 获得。由于我们提出的方法计算效率高，因此使用带有 GPU 的笔记本电脑在不到一秒的时间内从四个鱼眼图像中估计深度。因此，它适用于现实世界的机器人应用。我们的源代码可从 https://github.com/matsuren/crownconv360depth 获得。由于我们提出的方法计算效率高，因此使用带有 GPU 的笔记本电脑在不到一秒的时间内从四个鱼眼图像中估计深度。因此，它适用于现实世界的机器人应用。我们的源代码可从 https://github.com/matsuren/crownconv360depth 获得。