生活在物质世界中：从全波形闪光激光雷达数据学习材料属性用于语义分割
计算机视觉与模式识别
2023-09-06 v2
摘要
激光雷达技术的进步使得三维点云的快速采集变得轻松便捷。虽然大多数激光雷达传感器在返回距离测量的同时还会给出逐点强度（或反射率）值，但闪光激光雷达传感器能够提供关于回波脉冲形状的信息。回波波形的形状受多种因素影响，包括光脉冲传播的距离以及入射到表面的角度。重要的是，回波波形的形状还取决于反射表面的材料属性。在本文中，我们探究是否可以从全波形响应中确定材料的类型或类别。首先，作为概念验证，我们证明若准确已知材料类别的额外信息，可提升场景理解任务（如语义分割）的性能。接下来，我们学习了两种不同的全波形材料分类器：随机森林分类器与时域卷积神经网络（TCN）分类器。我们发现，在某些情况下可以区分材料类型，且TCN在更广的材料范围内总体表现更优。然而，入射角、材料颜色与材料相似度等因素可能阻碍整体性能。
引用
@article{arxiv.2305.04334,
title = {Living in a Material World: Learning Material Properties from Full-Waveform Flash Lidar Data for Semantic Segmentation},
author = {Andrej Janda and Pierre Merriaux and Pierre Olivier and Jonathan Kelly},
journal= {arXiv preprint arXiv:2305.04334},
year = {2023}
}
备注
In Proceedings of the Conference on Robots and Vision (CRV'23), Montreal, Canada, Jun. 6-8, 2023