UFO: 面向越野语义地形图估计的不确定性感知LiDAR-图像融合
机器人学
2024-03-06 v1 计算机视觉与模式识别
摘要
自主越野导航需要对环境进行准确的语义理解，通常将其转换为鸟瞰图(BEV)表示以用于各种下游任务。虽然基于学习的方法已成功直接从传感器数据生成局部语义地形图，但其在越野环境中的有效性受到准确表示不确定地形特征这一挑战的阻碍。本文提出一种基于学习的融合方法，用于生成BEV中的密集地形分类图。通过多尺度LiDAR-图像融合，我们的方法增强了从RGB图像和单次LiDAR扫描生成的语义图的准确性。利用不确定性感知伪标签进一步增强了网络在越野环境中可靠学习的能力，而无需精确的3D标注。通过使用越野驾驶数据集进行彻底实验，我们证明了我们的方法可以提高越野地形的准确性，验证了其在具有挑战性的越野环境中促进可靠和安全自主导航的有效性。
引用
@article{arxiv.2403.02642,
title = {UFO: Uncertainty-aware LiDAR-image Fusion for Off-road Semantic Terrain Map Estimation},
author = {Ohn Kim and Junwon Seo and Seongyong Ahn and Chong Hui Kim},
journal= {arXiv preprint arXiv:2403.02642},
year = {2024}
}