SRMamba：用于 LiDAR 点云超分辨率的 Mamba 模型
计算机视觉与模式识别
2025-05-19 v1 图像与视频处理
摘要
近年来，基于视野范围的 LiDAR 点云超分辨率技术引起了广泛关注，作为低成本生成高分辨率点云数据的一种方法。然而，由于 LiDAR 点云的稀疏性和不规则结构，点云超分辨率问题仍然是一个具有挑战性的话题，尤其是在新视角下的点云上采样。本文提出了 SRMamba，用于稀疏场景中 LiDAR 点云的超分辨率，解决了从新视角恢复点云 3D 空间结构的关键挑战。具体而言，我们基于 Hough 投票和孔补偿策略实现投影技术，以消除范围图像中水平线性孔洞。为提高建立长距离依赖的能力并关注垂直 3D 空间中潜在几何特征，我们采用视觉状态空间模型和多方向扫描机制以减轻由于范围图像导致的 3D 空间结构信息丢失。此外，采用不对称 U-Net 网络适应不同光束数目的 LiDAR 的输入特征，实现多光束点云的超分辨率重建。我们在多个具有挑战性的公开 LiDAR 数据集（SemanticKITTI 和 nuScenes）上进行了一系列实验，SRMamba 在定性和定量评估中均显著优于其他算法。
引用
@article{arxiv.2505.10601,
title = {SRMamba: Mamba for Super-Resolution of LiDAR Point Clouds},
author = {Chuang Chen and Wenyi Ge},
journal= {arXiv preprint arXiv:2505.10601},
year = {2025}
}