TULIP：用于 LiDAR 点云上采样的 Transformer
计算机视觉与模式识别
2024-05-06 v4
摘要
由于大规模场景上下文稀疏且不规则的结构，LiDAR 上采样对机器人和自动驾驶车辆的感知系统而言是一项具有挑战性的任务。近期的工作提出通过将 LiDAR 数据从三维欧几里得空间转化为二维图像空间中的图像超分辨率问题来解决此问题。尽管其方法能够生成具有细粒度细节的高分辨率距离图像，但生成的三维点云通常会模糊细节并预测出无效点。在本文中，我们提出了 TULIP，一种从低分辨率 LiDAR 输入重建高分辨率 LiDAR 点云的新方法。我们同样采用基于距离图像的方法，但专门修改了基于 Swin-Transformer 网络的补丁和窗口几何结构，以更好地适应距离图像的特性。我们在三个公开的真实世界和模拟数据集上进行了多项实验。TULIP 在所有相关指标上均优于 SOTA 方法，并生成了比先前工作更稳健、更逼真的点云。
引用
@article{arxiv.2312.06733,
title = {TULIP: Transformer for Upsampling of LiDAR Point Clouds},
author = {Bin Yang and Patrick Pfreundschuh and Roland Siegwart and Marco Hutter and Peyman Moghadam and Vaishakh Patil},
journal= {arXiv preprint arXiv:2312.06733},
year = {2024}
}
备注
The paper was accepted by CVPR2024