Velodyne激光雷达数据中极快地面分割的CNN
机器人学
2017-09-08 v1
摘要
本文提出一种在Velodyne点云中进行地面分割的新方法。我们提出了一种适用于训练卷积神经网络（CNN）的Velodyne传感器稀疏3D数据的编码方式。该通用方法用于将稀疏点云分割为地面与非地面点。LiDAR数据被表示为多通道2D信号，其水平轴对应旋转角，垂直轴对应索引通道（即激光束）。我们训练并评估了若干相对浅层CNN（即3–5个卷积层）的拓扑结构，所用数据集由我们手动标注。结果表明，在性能上相较Zhang等人提出的最先进方法有明显提升，速度更快，且精度也有轻微改善。
引用
@article{arxiv.1709.02128,
title = {CNN for Very Fast Ground Segmentation in Velodyne LiDAR Data},
author = {Martin Velas and Michal Spanel and Michal Hradis and Adam Herout},
journal= {arXiv preprint arXiv:1709.02128},
year = {2017}
}
备注
ICRA 2018 submission