利用激光雷达作为相机传感器所得图像分析通用深度学习检测与分割模型
机器人学
2022-03-09 v1 计算机视觉与模式识别
摘要
在过去十年中，机器人感知算法显著受益于深度学习（DL）的快速发展。事实上，许多商业和研究平台的大量自主栈依赖 DL 进行态势感知，尤其是视觉传感器。本工作探索了通用 DL 感知算法（特别是检测与分割神经网络）处理先进激光雷达传感器类图像输出的潜力。与处理三维点云数据不同，据我们所知，这是首个专注于利用激光雷达传感器获得的、通过将深度、反射率或近红外光编码到图像像素中而得到的 360\textdegree 视场低分辨率图像的工作。我们表明，经过适当预处理，通用 DL 模型能够处理这些图像，为其在视觉传感器存在固有局限的环境条件中的使用打开了大门。我们对多种神经网络架构的性能提供了定性与定量分析。我们认为，使用为视觉相机构建的 DL 模型具有显著优势，因为与点云感知相比，其可用性与成熟度要高得多。
引用
@article{arxiv.2203.04064,
title = {Analyzing General-Purpose Deep-Learning Detection and Segmentation Models with Images from a Lidar as a Camera Sensor},
author = {Yu Xianjia and Sahar Salimpour and Jorge Peña Queralta and Tomi Westerlund},
journal= {arXiv preprint arXiv:2203.04064},
year = {2022}
}