UdeerLID+：集成 LiDAR、图像和相对深度的半监督方法
计算机视觉与模式识别
2024-09-11 v1
摘要
路面分割是自动驾驶系统中的关键任务，需要准确和稳健的方法来从各种环境数据中对路面表面进行分类。我们的工作引入一种创新方法，将 LiDAR 点云数据、视觉图像和从图像派生的相对深度图相集成。将多种数据源集成到路面分割中既带来机遇，也带来挑战。一个主要挑战是稀缺的大规模准确标注数据集，这些数据集是训练稳健深度学习模型所必需的。为此，我们在半监督学习范式下开发了 [UdeerLID+] 框架。KITTI 数据集上的实验结果验证了其卓越的性能。
引用
@article{arxiv.2409.06197,
title = {UdeerLID+: Integrating LiDAR, Image, and Relative Depth with Semi-Supervised},
author = {Tao Ni and Xin Zhan and Tao Luo and Wenbin Liu and Zhan Shi and JunBo Chen},
journal= {arXiv preprint arXiv:2409.06197},
year = {2024}
}