论文笔记_S2D.60_2019-CVPR-DeepLiDAR:基于稀疏激光雷达数据和单张彩色图像

根本情况

• 题目：DeepLiDAR: Deep Surface Normal Guided Depth Prediction for OutdoorScene from Sparse LiDAR Data and Single Color Image
  
• 论文所在：https://arxiv.org/abs/1812.00488
  
• 泉源：中国电子科技大学，旷视科技
  
• 原文作者：Jiaxiong Qiu
  
• 出处：Qiu J, Cui Z, Zhang Y, et al. Deeplidar: Deep surface normal guided depth prediction for outdoor scene from sparse lidar data and single color image[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019: 3313-3322.
  

先容

在本文中，提出了一种深度学习架构，它可从一张彩色图像和一个稀疏深度图生成室外场景之下的准确的稠密深度。受室内深度补全的启发，网络把外貌法线估计作为中间表现，以产生稠密深度，并可以端到端训练。该架构采取改进的编解码布局，有效地融合了麋集的彩色图像和稀疏的激光雷达深度。为相识决室外特定的挑战，该模子还预测一个置信度掩膜，以处理处罚由于遮挡而造成的前景边界附近肴杂的激光雷达信号，并整合来自彩色图像的估量和带有已学习的注意力图的曲面法线，以提升深度的精度，尤其是远隔断区域。
大量的实验表明，我们的模子在 KITTI 深度补全基准上的SOTA。同时，消融实验表明每个模子组件对最终效果的有效作用。综合分析证明该模子可以较好地推广到带有较高稀疏性的输入大概来自室内场景的输入。
下面是论文详细框架布局以及实验效果：

 

 

 

 

//TODO
 
参考：

【深度估计】旷视科技|DeepLiDAR从一张彩色图像和一个稀疏深度图像生成室外场景之下的准确的稠密深度图

来源：https://blog.csdn.net/shyjhyp11/article/details/112006472
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！