用于三维语义建图的卷积贝叶斯核推断
机器人学
2023-06-02 v2 计算机视觉与模式识别
摘要
机器人感知目前正处于现代方法（在高效潜空间下运行）与经典方法（具有数学基础并提供可解释、可信的结果）的十字路口。在本文中，我们引入一种卷积贝叶斯核推断（ConvBKI）层，该层学习在深度可分离卷积层内执行显式贝叶斯推断，以同时最大化效率并保持可靠性。我们将该层应用于实时三维语义建图任务，其中我们学习 LiDAR 传感器信息的语义-几何概率分布，并将语义预测融入全局地图。我们在 KITTI 数据集上将我们的网络与最先进的语义建图算法进行比较，展示了改进的延迟与可比较的语义标签推断结果。
引用
@article{arxiv.2209.10663,
title = {Convolutional Bayesian Kernel Inference for 3D Semantic Mapping},
author = {Joey Wilson and Yuewei Fu and Arthur Zhang and Jingyu Song and Andrew Capodieci and Paramsothy Jayakumar and Kira Barton and Maani Ghaffari},
journal= {arXiv preprint arXiv:2209.10663},
year = {2023}
}