CU-Net：基于耦合 U-Net 的纯 LiDAR 深度补全
计算机视觉与模式识别
2022-10-27 v1
摘要
纯 LiDAR 深度补全是一项仅根据 LiDAR 获取的稀疏测量点来估计稠密深度图的挑战性任务。尽管纯深度方法已被广泛开发，但与利用额外彩色图像的 RGB 引导方法之间仍存在显著的性能差距。我们发现现有的纯深度方法在测量点几乎准确且均匀分布的区域（记为正常区域）可以获得令人满意的结果，而在由于遮挡导致前景和背景点重叠的区域（记为重叠区域）以及周围没有测量点的区域（记为空白区域）性能受限，因为该方法在这些区域没有可靠的输入信息。基于这些观察，我们提出了一种有效的耦合 U-Net (CU-Net) 架构用于纯深度补全。我们不直接使用大型网络进行回归，而是采用局部 U-Net 估计正常区域中的准确值，并为全局 U-Net 在重叠和空白区域提供可靠的初始值。两个耦合 U-Net 预测的深度图通过学习到的置信度图进行融合以获得最终结果。此外，我们提出了一个基于置信度的离群点去除模块，该模块使用简单的判断条件去除离群点。我们提出的方法以更少的参数提升了最终结果，并在 KITTI 基准上取得了 SOTA 结果。此外，它在各种深度密度、变化的光照和天气条件下具有强大的泛化能力。
引用
@article{arxiv.2210.14898,
title = {CU-Net: LiDAR Depth-Only Completion With Coupled U-Net},
author = {Yufei Wang and Yuchao Dai and Qi Liu and Peng Yang and Jiadai Sun and Bo Li},
journal= {arXiv preprint arXiv:2210.14898},
year = {2022}
}
备注
Accepted to IEEE Robotics and Automation Letters (RA-L), Code: https://github.com/YufeiWang777/CU-Net