DSCnet：利用深度传感器克隆复制激光雷达点云
计算机视觉与模式识别
2018-11-28 v2
摘要
卷积神经网络（CNN）在解决从图像分类到图像分割的各种计算机视觉任务中已变得越来越流行。近来，自动驾驶汽车对深度信息产生了需求，这类信息通常通过光探测与测距（LIDAR）等硬件传感器获取。尽管激光雷达能提供精确的距离测量，但大多数激光雷达仍过于昂贵，无法在量产消费级车辆中销售，这促使了利用相机等普通车载传感器生成深度信息的方法出现。本文提出一种称为深度传感器克隆（DSC）的方法。其思想是利用卷积神经网络结合廉价传感器来复制由昂贵激光雷达生成的3D点云。为此，我们构建了一个新的数据集（DSDepth）和一系列新的CNN架构（DSCnets）。此前如KITTI深度预测等任务使用插值的RGB-D图像作为训练真值，而我们改用DSCnets直接预测激光雷达点云。当我们将模型输出与价值$75,000的激光雷达比较时，发现最准确的DSCnet在使用单目相机时相对误差为5.77%，使用立体相机时为4.69%。
引用
@article{arxiv.1811.07070,
title = {DSCnet: Replicating Lidar Point Clouds with Deep Sensor Cloning},
author = {Paden Tomasello and Sammy Sidhu and Anting Shen and Matthew W. Moskewicz and Nobie Redmon and Gayatri Joshi and Romi Phadte and Paras Jain and Forrest Iandola},
journal= {arXiv preprint arXiv:1811.07070},
year = {2018}
}
备注
V2