Gated2Depth：从门控图像实时生成稠密激光雷达
计算机视觉与模式识别
2019-10-29 v3
摘要
我们提出了一种成像框架，可将门控相机的三幅图像转换为高分辨率深度图，其深度精度可与脉冲激光雷达测量相媲美。现有的扫描式激光雷达系统由于机械限制的角采样率，在远距离处空间分辨率较低，将场景理解任务限制在具有稠密采样的近距簇中。此外，当今的脉冲激光雷达扫描仪成本高、功耗大、体积大，并且在强后向散射存在时失效。我们摒弃点扫描方式，证明可通过从三幅门控图像学习深度，将低成本 CMOS 门控成像仪转变为射程至少 80 米的稠密深度相机。所提架构利用门控切片间的语义上下文，并在合成判别器损失上训练，无需稠密深度标签。所提扫描式激光雷达系统的替代方案是实时的，可处理后向散射并在远距离提供稠密深度。我们在仿真中以及北欧超过 4000 公里驾驶采集的真实世界数据上验证了我们的方法。数据和代码可在 https://github.com/gruberto/Gated2Depth 获取。
引用
@article{arxiv.1902.04997,
title = {Gated2Depth: Real-time Dense Lidar from Gated Images},
author = {Tobias Gruber and Frank Julca-Aguilar and Mario Bijelic and Werner Ritter and Klaus Dietmayer and Felix Heide},
journal= {arXiv preprint arXiv:1902.04997},
year = {2019}
}
备注
ICCV 2019 (oral), Authorship changed due to ICCV policy