3dDepthNet：用于稀疏深度与单张彩色图像的点云引导深度补全网络
计算机视觉与模式识别
2020-03-23 v1
摘要
在本文中，我们提出了一种名为3dDepthNet的端到端深度学习网络，该网络从稀疏LiDAR深度与彩色图像的单一对中生成精确的稠密深度图像，用于机器人与自动驾驶任务。基于深度图像的维度特性，我们的网络提供了一种新颖的3D到2D由粗到细的双重稠化设计，既准确又轻量。深度稠化首先通过点点云补全在3D空间中执行，随后由一个专门设计的编码器-解码器结构利用来自3D补全的投影稠密深度与原始RGB-D图像来执行2D图像补全。在KITTI数据集上的实验表明，我们的网络在取得最先进精度的同时更为高效。消融与泛化测试证明我们网络中的每个模块对最终结果均有正向影响，且进一步表明我们的网络对更稀疏的深度也具有鲁棒性。
引用
@article{arxiv.2003.09175,
title = {3dDepthNet: Point Cloud Guided Depth Completion Network for Sparse Depth and Single Color Image},
author = {Rui Xiang and Feng Zheng and Huapeng Su and Zhe Zhang},
journal= {arXiv preprint arXiv:2003.09175},
year = {2020}
}
备注
8 pages, 10 figures and 4 tables