基于CNN的真实感高分辨率LiDAR数据合成
图像与视频处理
2021-09-27 v2 机器学习
机器学习
摘要
本文提出一种基于CNN的新方法，用于合成高分辨率LiDAR点云数据。我们的方法在专用损失函数的引导下，生成语义和感知上真实的结果。首先，我们利用一种改进的逐点损失来处理LiDAR点测量缺失的问题。其次，我们通过施加感知损失，使生成输出的质量与真实传感器数据对齐。在真实世界数据集上的大规模实验中，我们使用生成数据与真值评估了几何精度和语义分割性能。在平均意见得分测试中，我们进一步评估了所生成点云的感知质量。我们的结果表明，在几何和语义方面相比传统的非CNN上采样方法取得了显著的定量与定性提升。
引用
@article{arxiv.1907.00787,
title = {CNN-based synthesis of realistic high-resolution LiDAR data},
author = {Larissa T. Triess and David Peter and Christoph B. Rist and Markus Enzweiler and J. Marius Zöllner},
journal= {arXiv preprint arXiv:1907.00787},
year = {2021}
}
备注
Project Page: http://ltriess.github.io/pc-upsampling