时序激光雷达深度补全
计算机视觉与模式识别
2024-06-18 v1 人工智能
摘要
给定来自自动驾驶车辆的激光雷达测量值，我们可以投影点并生成稀疏深度图像。深度补全旨在通过填充和插值稀疏深度值来提高此类深度图像的分辨率。与大多数现有方法类似，我们在非常稀疏或被遮挡的区域利用相机图像作为引导。此外，我们提出了一种时序算法，该算法利用循环机制利用来自先前时间步的信息。在这项工作中，我们展示了如何修改最先进的方法PENet以从循环中受益。我们的算法在KITTI深度补全数据集上达到了最先进的结果，同时在神经网络参数和浮点运算方面仅增加了不到百分之一的额外开销。对于远处的物体和包含少量激光雷达深度样本的区域，精度尤其得到提升。即使在没有任何真实值的区域（如天空和屋顶），我们也观察到了现有评估指标无法捕捉到的巨大改进。
引用
@article{arxiv.2406.11315,
title = {Temporal Lidar Depth Completion},
author = {Pietari Kaskela and Philipp Fischer and Timo Roman},
journal= {arXiv preprint arXiv:2406.11315},
year = {2024}
}