LiSnowNet：面向 LiDAR 点云的实时除雪方法
计算机视觉与模式识别
2022-11-21 v1 机器学习
图像与视频处理
摘要
LiDAR 已被现代自动驾驶车辆广泛采用，提供场景与周围物体的三维信息。然而，恶劣气候条件仍对 LiDAR 构成显著挑战，因为降雪期间捕获的点云易被污染。由此产生的噪声点云会降低建图等下游任务性能。现有去除雪污染点云噪声的工作基于最近邻搜索，因而难以适应通常以 10Hz 捕获 或更多点的现代 LiDAR。本文中，我们提出一种无监督去噪算法 LiSnowNet，其运行速度比最先进方法快 52，同时在去噪上取得更优性能。与先前方法不同，所提算法基于深度卷积神经网络，并可轻松部署至 GPU 等硬件加速器。此外，我们展示了即便使用受污染点云也可将所提方法用于建图。
引用
@article{arxiv.2211.10023,
title = {LiSnowNet: Real-time Snow Removal for LiDAR Point Cloud},
author = {Ming-Yuan Yu and Ram Vasudevan and Matthew Johnson-Roberson},
journal= {arXiv preprint arXiv:2211.10023},
year = {2022}
}
备注
The paper has been accepted for the 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)