面向主动式 3D 建图的学习
计算机视觉与模式识别
2017-08-08 v1
摘要
我们提出了一种用于深度传感器的主动式 3D 建图方法，此类传感器允许对深度测量射线进行独立控制，例如新兴的固态激光雷达。该方法同时学习从稀疏深度测量重建密集 3D 占用图，并优化深度测量射线的反应式控制。为了向在线控制优化迈出第一步，我们提出了一种快速优先贪心算法，该算法仅需在可能射线的一小部分中更新其代价函数。我们推导了该贪心算法的近似比。在 KITTI 数据集子集上的实验评估表明，当从稀疏测量中学习重建与深度测量射线的优化相结合时，3D 地图精度有显著提升。
引用
@article{arxiv.1708.02074,
title = {Learning for Active 3D Mapping},
author = {Karel Zimmermann and Tomas Petricek and Vojtech Salansky and Tomas Svoboda},
journal= {arXiv preprint arXiv:1708.02074},
year = {2017}
}
备注
ICCV 2017 (oral). See video: https://www.youtube.com/watch?v=KNex0zjeGYE