面向LiDAR深度图的无监督置信度估计及其应用
计算机视觉与模式识别
2022-10-07 v1
摘要
深度感知在机器人与自动驾驶等诸多领域中至关重要。因此，LiDAR等深度传感器迅速应用于众多场景。这些传感器生成的3D点云通常需与RGB相机结合，以从语义上理解所拍摄的场景。通常将点云投影至相机图像平面，得到稀疏深度图。遗憾的是，该过程加之所有深度传感器固有的问题，导致最终输出中存在噪声与严重离群点。为此，本文提出一种有效的无监督框架，旨在通过学习估计LiDAR稀疏深度图的置信度来显式解决此问题，从而滤除离群点。在KITTI数据集上的实验结果表明，我们的框架在此任务上表现优异。此外，我们展示了该成果可如何改进广泛任务。
引用
@article{arxiv.2210.03118,
title = {Unsupervised confidence for LiDAR depth maps and applications},
author = {Andrea Conti and Matteo Poggi and Filippo Aleotti and Stefano Mattoccia},
journal= {arXiv preprint arXiv:2210.03118},
year = {2022}
}
备注
IROS 2022. Code available at https://github.com/andreaconti/lidar-confidence