通过深度插值和监督对比学习增强低分辨率 LiDAR-相机标定
计算机视觉与模式识别
2022-11-09 v1 多媒体
摘要
受近期低分辨率 LiDAR 应用日益增长的驱动，我们在本工作中针对低分辨率 LiDAR-相机标定问题。主要挑战有两方面：点云中的稀疏性与噪声。为解决问题，我们提出应用深度插值以增加点密度，并采用监督对比学习来学习抗噪特征。在 RELLIS-3D 上的实验表明，我们的方法在 32 线 LiDAR 点云数据上取得了平均绝对旋转/平移误差 0.15cm/0.33° 的结果，显著优于所有参考方法。
引用
@article{arxiv.2211.03932,
title = {Enhanced Low-resolution LiDAR-Camera Calibration Via Depth Interpolation and Supervised Contrastive Learning},
author = {Zhikang Zhang and Zifan Yu and Suya You and Raghuveer Rao and Sanjeev Agarwal and Fengbo Ren},
journal= {arXiv preprint arXiv:2211.03932},
year = {2022}
}