基于切片 Wasserstein 距离的激光雷达上采样
计算机视觉与模式识别
2023-02-01 v1 机器人学
摘要
激光雷达已成为自动驾驶感知系统的重要组件。但训练数据获取与标注的挑战凸显了传感器到传感器域适应的重要作用。本工作中，我们解决激光雷达上采样问题。由于其不规则与稀疏结构，在激光雷达点云上学习是一项颇具挑战的任务。此处我们提出一种可重建细粒度激光雷达扫描模式的激光雷达点云上采样方法。关键思想是利用边缘感知稠密卷积进行特征提取与特征扩展。此外，应用更精确的切片 Wasserstein 距离有助于学习精细的激光雷达扫描结构。这进而使我们的方法能够采用单阶段上采样范式，无需粗到细的重建。我们进行了若干实验以评估我们的方法，并证明其提供了更好的上采样。
引用
@article{arxiv.2301.13558,
title = {Lidar Upsampling with Sliced Wasserstein Distance},
author = {Artem Savkin and Yida Wang and Sebastian Wirkert and Nassir Navab and Federico Tombar},
journal= {arXiv preprint arXiv:2301.13558},
year = {2023}
}