SLPC：一种基于 VRNN 的自动驾驶随机激光雷达预测与补全方法
计算机视觉与模式识别
2021-02-22 v1 人工智能
摘要
预测未来 3D LiDAR 点云是一项具有挑战性的任务，在自动驾驶的诸多应用(如轨迹预测、位姿预测与决策)中十分有用。本工作中，我们提出一种基于生成模型即变分循环神经网络(VRNN)的新 LiDAR 预测框架，称为随机 LiDAR 预测与补全(SLPC)。我们的算法通过对待预测帧中的深度图进行空间修复，解决了以往视频预测框架在处理稀疏数据时的局限。因此，我们的贡献可总结如下：我们引入了从空间稀疏数据预测并补全深度图的新任务，提出了 VRNN 的稀疏版本以及一种无需任何标签的有效自监督训练方法。实验结果证明了我们的框架相较于视频预测 SOTA 方法的有效性。
引用
@article{arxiv.2102.09883,
title = {SLPC: a VRNN-based approach for stochastic lidar prediction and completion in autonomous driving},
author = {George Eskandar and Alexander Braun and Martin Meinke and Karim Armanious and Bin Yang},
journal= {arXiv preprint arXiv:2102.09883},
year = {2021}
}