DepthNet：面向自动驾驶的实时 LiDAR 点云深度补全
图像与视频处理
2020-07-07 v1
摘要
自动驾驶严重依赖相机和 LiDAR 等传感器，这些传感器为感知、规划与控制任务提供周围环境的实时信息。通常由于扫描线数量有限，LiDAR 只能提供稀疏点云。通过深度补全，可为每个相机像素分配相应深度值从而生成稠密深度图。然而，现有的深度补全卷积神经网络非常复杂，需要高端 GPU 进行处理，因此不适用于实时自动驾驶。本文提出一种轻量级网络用于 LiDAR 点云深度补全任务。该网络参数量惊人地减少了 96.2%，但仍取得了与最先进网络相当的性能（MAE 提升 9.3%，但 RMSE 劣化 3.9%）。针对实时嵌入式平台，对卷积和反卷积操作均应用深度可分离技术，参数量进一步降低 7.3 倍，仅 RMSE 和 MAE 性能有极小百分比上升。此外，在基于 PYNQ 的 FPGA 平台上开发了深度补全的片上系统架构，以每秒 11.1 帧的速度实现 HDL-64E LiDAR 的实时处理。
引用
@article{arxiv.2007.02438,
title = {DepthNet: Real-Time LiDAR Point Cloud Depth Completion for Autonomous Vehicles},
author = {Lin Bai and Yiming Zhao and Mahdi Elhousni and Xinming Huang},
journal= {arXiv preprint arXiv:2007.02438},
year = {2020}
}