基于RGB引导与不确定性的稀疏噪声LiDAR补全
计算机视觉与模式识别
2019-02-15 v1
摘要
本文提出了一种新方法，利用RGB图像引导精确补全稀疏LiDAR地图。对于自动驾驶车辆和机器人，使用LiDAR是实现精确深度预测不可或缺的手段。众多应用依赖于对周围环境的感知，并利用深度线索进行推理和相应反应。一方面，单目深度预测方法无法生成绝对且精确的深度图。另一方面，立体视觉方法仍显著逊色于基于LiDAR的方法。深度补全任务的目标是从映射到二维平面的稀疏且不规则的点云生成密集深度预测。我们提出了一种新框架，提取全局和局部信息以生成合适的深度图。我们认为简单的深度补全不需要深层网络。然而，我们额外提出了一种与单目相机RGB引导的融合方法，以利用物体信息并纠正稀疏输入中的错误。这显著提高了精度。此外，利用置信度掩码来考虑每种模态深度预测中的不确定性。该融合方法优于现有技术，在KITTI深度补全基准测试中排名第一。我们的代码及可视化结果已公开。
引用
@article{arxiv.1902.05356,
title = {Sparse and noisy LiDAR completion with RGB guidance and uncertainty},
author = {Wouter Van Gansbeke and Davy Neven and Bert De Brabandere and Luc Van Gool},
journal= {arXiv preprint arXiv:1902.05356},
year = {2019}
}
备注
7 pages, 3 figures