DFineNet:基于RGB引导的稀疏含噪深度输入的自运动估计与深度细化
计算机视觉与模式识别
2019-08-15 v4 机器人学
摘要
深度估计是自动驾驶车辆理解与重建3D环境以及执行过程中避障的重要能力。诸如LiDAR等精确深度传感器通常沉重、昂贵且只能提供稀疏深度,而诸如立体相机等较轻的深度传感器则相对更噪。我们提出一种端到端学习算法,能够利用稀疏、含噪的输入深度进行细化与深度补全。我们的模型还作为副产品输出相机位姿,使其成为自动驾驶系统的优良方案。我们在室内与室外数据集上评估了该方法。实证结果表明,与其他竞争方法相比,我们的方法在KITTI数据集上表现良好,同时在TUM数据集上处理稀疏含噪输入深度时具有优越性能。
引用
@article{arxiv.1903.06397,
title = {DFineNet: Ego-Motion Estimation and Depth Refinement from Sparse, Noisy Depth Input with RGB Guidance},
author = {Yilun Zhang and Ty Nguyen and Ian D. Miller and Shreyas S. Shivakumar and Steven Chen and Camillo J. Taylor and Vijay Kumar},
journal= {arXiv preprint arXiv:1903.06397},
year = {2019}
}