HALS：一种用于自动驾驶的高度感知激光雷达超分辨率框架
计算机视觉与模式识别
2022-12-08 v2
摘要
激光雷达传感器成本高昂，但对自动驾驶中理解三维环境至关重要。高分辨率传感器因其包含更多垂直光束而提供关于周边环境的更多细节，但成本大幅升高，限制了其在自动驾驶车辆上的配备。对激光雷达点云进行上采样是一种在保持可承受成本的同时获得高分辨率益处的有前景的方法。尽管存在许多点云上采样框架，但在同一数据集上使用统一指标对这些工作相互进行一致性比较仍然缺失。本文第一部分，我们提议在 Kitti 数据集上对现有方法进行基准测试。第二部分，我们引入一种新颖的激光雷达上采样模型，HALS：高度感知激光雷达超分辨率。HALS 利用激光雷达扫描呈现高度感知的距离分布这一观察，并采用具有不同感受野的多个上采样分支的生成器架构。HALS 回归极坐标而非球坐标，并使用表面法线损失。大量实验表明 HALS 在 3 个真实世界激光雷达数据集上取得了最先进的性能。
引用
@article{arxiv.2202.03901,
title = {HALS: A Height-Aware Lidar Super-Resolution Framework for Autonomous Driving},
author = {George Eskandar and Sanjeev Sudarsan and Karim Guirguis and Janaranjani Palaniswamy and Bharath Somashekar and Bin Yang},
journal= {arXiv preprint arXiv:2202.03901},
year = {2022}
}