基于SGC-Net的车辆遮挡下点云场景间隙填充
计算机视觉与模式识别
2024-08-07 v1
摘要
近期移动测绘系统的进展大大提高了获取城市3D数据的效率和便利性。这些系统利用安装在车辆上的LiDAR传感器捕获广阔的城市景观。然而，由于车道旁停放的车辆导致遮挡，出现显著挑战，导致场景信息丢失，尤其是道路、人行道、路缘和建筑lower部分。本研究提出了一种新方法，利用深度神经网络学习模型，以填充被车辆遮挡的城市场景中的间隙。我们开发了一种创新技术，即在间隙-free场景中沿道路边界放置虚拟车辆模型，并利用光线投射算法创建带有遮挡间隙的新场景。这允许我们生成具有和不具有车辆遮挡的多样化且逼真的城市点云场景，超越了现实世界训练数据收集和标注的限制。此外，我们引入场景间隙填充网络 (SGC-Net)，一个能够在遮挡间隙中生成清晰的形状边界和光滑曲面的端到端模型。实验结果表明，97.66%的填充点位于相对于高密度真实地面点云场景的5厘米范围内。这些发现凸显了我们所提出模型在间隙填充和重建受车辆遮挡影响的城市场景方面的有效性。
引用
@article{arxiv.2407.08290,
title = {Gap Completion in Point Cloud Scene occluded by Vehicles using SGC-Net},
author = {Yu Feng and Yiming Xu and Yan Xia and Claus Brenner and Monika Sester},
journal= {arXiv preprint arXiv:2407.08290},
year = {2024}
}