4DenoiseNet：基于相邻点云的恶劣天气去噪
计算机视觉与模式识别
2022-12-13 v1 机器人学
摘要
可靠的激光雷达（LiDAR）点云数据对机器人学和自动驾驶等感知任务至关重要。恶劣天气给 LiDAR 传感器数据带来一类特定噪声，显著降低了点云质量。为解决此问题，本文提出一种新颖的点云恶劣天气去噪深度学习算法 (4DenoiseNet)。与文献中的深度学习恶劣天气去噪方法不同，我们的算法利用了时间维度。在交并比（intersection over union）指标上，其性能比先前工作提升约 10%，且计算效率更高。这些结果在我们新颖的 SnowyKITTI 数据集上取得，该数据集包含超过 40000 个恶劣天气标注点云。此外，在 Canadian Adverse Driving Conditions 数据集上的强定性结果表明其对域偏移及不同传感器内参具有良好的泛化能力。
引用
@article{arxiv.2209.07121,
title = {4DenoiseNet: Adverse Weather Denoising from Adjacent Point Clouds},
author = {Alvari Seppänen and Risto Ojala and Kari Tammi},
journal= {arXiv preprint arXiv:2209.07121},
year = {2022}
}