SGTBN：从单线激光雷达生成稠密深度图
计算机视觉与模式识别
2021-06-25 v1
摘要
深度补全旨在从稀疏深度图和对齐的RGB图像生成稠密深度图。然而，当前的深度补全方法使用极其昂贵的64线LiDAR（约$100,000）来获取稀疏深度图，这将限制其应用场景。与64线LiDAR相比，单线LiDAR成本低得多且鲁棒性更强。因此，我们提出了一种解决单线深度补全问题的方法，旨在从单线LiDAR信息和对齐的RGB图像生成稠密深度图。基于现有的64线深度补全数据集（KITTI）提出了单线深度补全数据集。针对该任务提出了一种称为语义引导双分支网络（Semantic Guided Two-Branch Network, SGTBN）的网络，其包含全局和局部分支以提取并融合全局和局部信息。我们的网络中使用了语义引导深度上采样模块，以充分利用RGB图像中的语义信息。除了常用的MSE损失外，我们添加了虚拟法线损失以增强网络对高阶3D几何的约束。我们的网络在单线深度补全任务上优于当前最先进水平（state-of-the-art）。此外，与单目深度估计相比，我们的方法在精度和模型大小上也具有显著优势。
引用
@article{arxiv.2106.12994,
title = {SGTBN: Generating Dense Depth Maps from Single-Line LiDAR},
author = {Hengjie Lu and Shugong Xu and Shan Cao},
journal= {arXiv preprint arXiv:2106.12994},
year = {2021}
}