确定性的引导式 LiDAR 深度图补全
计算机视觉与模式识别
2024-10-28 v1
摘要
准确的稠密深度估计对于自动驾驶车辆分析其环境至关重要。本文提出了一种基于非深度学习的方法，利用引导 RGB 图像来稠化稀疏的基于 LiDAR 的深度图。为实现这一目标，首先清除 RGB 图像中大多数的相机-LiDAR 未对齐伪影。随后对其进行过分割，并为每个超像素近似出一个平面。在超像素不能很好地由平面表示的情况下，为其最内点构成的凸包近似出一个平面。最后，利用针孔相机模型进行插值过程，并对剩余区域进行插值。本工作的评估使用 KITTI 深度补全基准执行，该基准验证了所提出的工作，并表明其优于最先进的基于非深度学习的方法，以及若干基于深度学习的方法。
引用
@article{arxiv.2106.07256,
title = {Deterministic Guided LiDAR Depth Map Completion},
author = {Bryan Krauss and Gregory Schroeder and Marko Gustke and Ahmed Hussein},
journal= {arXiv preprint arXiv:2106.07256},
year = {2024}
}
备注
Submitted to 2021 IEEE Intelligent Vehicles Symposium (IV21). This work has been submitted to the IEEE for possible publication