LiCAR：用于车辆分割的伪RGB激光雷达图像
图像与视频处理
2025-01-27 v1 计算机视觉与模式识别
机器人学
摘要
随着计算资源的提升，越来越多的神经网络（NN）用于图像检测和分割。然而，这些方法通常以RGB 2D图像作为输入。另一方面，多层激光雷达（LiDAR）传感器提供的图像类似于传统低分辨率RGB摄像头获取的图像。基于此原理，生成了一个用于分割伪RGB图像中车辆的数据集。该数据集将LiDAR传感器提供的信息融合为球形范围图像（SRI），具体包括反射率、近红外和信号强度三个2D图像。这些图像被输入到实例分割神经网络中，对图像中的车辆进行分割，结果显示在You Only Look Once（YOLO）-v8大型模型下，边界框精度可达88%，掩码精度可达81.5%。通过该分割神经网络，应用了一些跟踪器，以便在视频流中跟踪每个分割实例，实际实验表明其在实际场景中的表现优异。
引用
@article{arxiv.2501.13960,
title = {LiCAR: pseudo-RGB LiDAR image for CAR segmentation},
author = {Ignacio de Loyola Páez-Ubieta and Edison P. Velasco-Sánchez and Santiago T. Puente},
journal= {arXiv preprint arXiv:2501.13960},
year = {2025}
}
备注
This is a preprint version of the work accepted at 5th International Conference on Robotics, Computer Vision and Intelligent Systems (ROBOVIS 2025)