DMNR：去除被空气悬浮颗粒污染的点云的无监督去噪方法
计算机视觉与模式识别
2023-05-11 v1 图像与视频处理
摘要
LiDAR 传感器因其能够提供精确的距离测量且对光照条件具有鲁棒性，对自动驾驶与机器人应用至关重要。然而，雾、雨、雪和灰尘等空气悬浮颗粒会降低其性能，且在户外不可避免地会遇到这些恶劣环境条件。通过有监督语义分割去除它们是直观的方法，但逐点标注这些颗粒过于费力。为解决此问题并增强恶劣条件下的感知能力，我们通过精确分析公开 WADS 与 DENSE 数据集上噪声点与干净点的位置分布和强度特征，开发了两种动态滤波方法，称为动态多阈值噪声去除（DMNR）与 DMNR-H。DMNR 与 DMNR-H 在这两个数据集上均以显著优势超越最先进的无监督方法，并略优于基于有监督深度学习的方法。此外，我们的方法对不同的 LiDAR 传感器与空气悬浮颗粒（如雪和雾）更具鲁棒性。
引用
@article{arxiv.2305.05991,
title = {DMNR: Unsupervised De-noising of Point Clouds Corrupted by Airborne Particles},
author = {Chu Chen and Yanqi Ma and Bingcheng Dong and Junjie Cao},
journal= {arXiv preprint arXiv:2305.05991},
year = {2023}
}
备注
8 pages, 6 figures, 15 references, submitted paper