基于先验的自适应激光雷达采样
计算机视觉与模式识别
2023-04-24 v1
摘要
我们提出SampleDepth，一种适用于自适应激光雷达（LiDAR）的卷积神经网络（CNN）。典型地，LiDAR采样策略是预定义、恒定且独立于所观测场景的。与其让LiDAR以这种不可知方式采样场景，SampleDepth自适应地确定当前帧最佳采样位置。为此，SampleDepth利用来自先前时间步的深度样本预测当前帧的采样掩码。关键在于，SampleDepth被训练以优化深度补全下游任务之性能。SampleDepth在两个不同深度补全网络与两个LiDAR数据集（KITTI Depth Completion与新引入的合成数据集SHIFT）上受评。我们表明SampleDepth高效且适用于不同深度补全下游任务。
引用
@article{arxiv.2304.07099,
title = {Prior based Sampling for Adaptive LiDAR},
author = {Amit Shomer and Shai Avidan},
journal= {arXiv preprint arXiv:2304.07099},
year = {2023}
}