面向自动驾驶的深度学习 LiDAR 超分辨率综合 surveys
计算机视觉与模式识别
2026-02-19 v1 机器人学
摘要
LiDAR 传感器常被视为自动驾驶的关键组件，但高分辨率传感器仍昂贵，而低分辨率传感器产生的稀疏点云会遗漏关键细节。LiDAR 超分辨率通过深度学习方法提升稀疏点云，弥合不同传感器类型之间的差距，实现实际部署中的跨传感器兼容性。本文提供首个针对自动驾驶应用的 LiDAR 超分辨率方法的综合调查。尽管该技术在实际部署中至关重要，但迄今尚无系统性综述。我们将现有方法归类为四大类：基于 CNN 的架构、基于模型的深度展开、隐式表示方法以及基于 Transformer 和 Mamba 的方法。我们建立了基本概念，包括数据表示、问题表述、基准数据集和评估指标。当前趋势包括采用范围图像表示进行高效处理、极端模型压缩以及开发具备分辨率灵活性的架构。近期研究聚焦于实现实时推理和跨传感器泛化，以满足实际部署需求。我们指出了推动 LiDAR 超分辨率技术发展的开放挑战和未来研究方向。
关键词
引用
@article{arxiv.2602.15904,
title = {A Comprehensive Survey on Deep Learning-Based LiDAR Super-Resolution for Autonomous Driving},
author = {June Moh Goo and Zichao Zeng and Jan Boehm},
journal= {arXiv preprint arXiv:2602.15904},
year = {2026}
}
备注
Accepted to The IEEE Intelligent Vehicles Symposium 2026 (IEEE IV 2026)