基于自适应截断符号距离函数的自动驾驶车辆大规模三维语义重建
计算机视觉与模式识别
2022-03-01 v1
摘要
大规模三维重建、纹理映射与语义建图如今被广泛应用于自动驾驶车辆、虚拟现实和自动数据生成。然而，大多数方法针对具有彩色稠密点云的 RGB-D 相机开发，并不适用于使用稀疏 LiDAR 点云的大规模室外环境。由于一个三维表面通常可从具有不同视角位姿的多幅相机图像观察到，纹理映射中的最优图像块选择以及语义建图中的最优语义类别估计仍具挑战性。为解决这些问题，我们提出了一种利用 LiDAR 与相机传感器的新型三维重建、纹理映射与语义建图系统。引入自适应截断符号距离函数以隐式描述表面，其可应对不同的 LiDAR 点云稀疏性并提升模型质量。从该隐式函数提取的三角网格地图，随后通过应用最优图像块选择策略，从一系列已配准的相机图像中进行纹理映射。此外，提出了一种基于马尔可夫随机场的数据融合方法，以估计每个三角网格的最优语义类别。我们的方法在合成数据集、KITTI 数据集以及使用实验车辆记录的数据集上进行了评估。结果表明，与其他最先进方法相比，使用本方法生成的三维模型更为精确。纹理映射与语义建图也取得了极具前景的结果。
引用
@article{arxiv.2202.13855,
title = {Large-Scale 3D Semantic Reconstruction for Automated Driving Vehicles with Adaptive Truncated Signed Distance Function},
author = {Haohao Hu and Hexing Yang and Jian Wu and Xiao Lei and Frank Bieder and Jan-Hendrik Pauls and Christoph Stiller},
journal= {arXiv preprint arXiv:2202.13855},
year = {2022}
}
备注
8 pages