利用生成对抗网络从 LiDAR 点云生成照片级真实图像
计算机视觉与模式识别
2021-12-22 v1 图像与视频处理
摘要
我们考察了利用生成对抗网络（GANs）从 LiDAR 点云生成照片级真实图像的可行性。为此，我们创建了一个点云-图像配对数据集，并训练 GAN 从包含反射率和距离信息的 LiDAR 点云预测照片级真实图像。我们的模型学会了仅从点云数据预测外观真实的图像，即便是包含黑色汽车的图像。黑色汽车因其低反射率水平而难以直接从点云中检测。该方法未来可能用于对已从 LiDAR 点云生成的照片级真实图像进行视觉目标识别。除常规 LiDAR 系统外，第二个从 LiDAR 点云生成照片级真实图像的系统将同时运行以进行实时视觉目标识别。如此，我们或可保持 LiDAR 的优势，并受益于使用照片级真实图像进行视觉目标识别，而无需使用任何相机。此外，该方法可用于在不使用任何相机图像的情况下对点云进行着色。
引用
@article{arxiv.2112.11245,
title = {Generating Photo-realistic Images from LiDAR Point Clouds with Generative Adversarial Networks},
author = {Nuriel Shalom Mor},
journal= {arXiv preprint arXiv:2112.11245},
year = {2021}
}
备注
11 pages, 4 figures