恶劣天气下的多回波去噪
计算机视觉与模式识别
2024-07-16 v1 机器人学
摘要
恶劣天气会对光探测与测距（LiDAR）数据造成噪声。这是一个问题，因为 LiDAR 被用于许多户外应用，例如目标检测与建图。我们提出了多回波去噪任务，其目标是挑选出代表感兴趣物体的回波并丢弃其他回波。因此，其思路是从标准最强回波点云中因噪声而不可用的替代回波中选取点。直观而言，我们试图看穿恶劣天气。为实现该目标，我们提出了一种新颖的自监督深度学习方法以及特征相似性正则化方法来提升其性能。基于在半合成数据集上的大量实验，我们的方法相较于自监督恶劣天气去噪的最优方法取得了更优性能（提升 23%）。此外，在真实多回波恶劣天气数据集上的实验证明了多回波去噪的有效性。我们的工作能够在恶劣天气下实现更可靠的点云获取，从而有望在此类条件下实现更安全的自动驾驶与驾驶辅助系统。代码已发布于 https://github.com/alvariseppanen/SMEDNet
引用
@article{arxiv.2305.14008,
title = {Multi-Echo Denoising in Adverse Weather},
author = {Alvari Seppänen and Risto Ojala and Kari Tammi},
journal= {arXiv preprint arXiv:2305.14008},
year = {2024}
}