摘要
本文介绍了场景完整性感知深度补全（Scene Completeness-Aware Depth Completion, SCADC）方法，该方法可以将原始激光雷达扫描数据补全为具有精细且完整场景结构的密集深度图。近期针对激光雷达的稀疏深度补全研究主要集中在较低区域，并在较高区域产生不规则的估计结果，因为现有的数据集（如KITTI）并未提供上部区域的真值数据。这些区域通常被认为是天空或树木，对场景理解的重要性较低。然而，我们认为在某些驾驶场景中，例如大型卡车或载货汽车，物体可能会延伸到场景的上部区域。因此，具有结构化上部场景估计的深度图对于RGBD算法至关重要。SCADC利用立体图像生成具有更好场景完整性的视差图，尽管其精度通常低于激光雷达，以辅助稀疏激光雷达深度补全。据我们所知，这是首次关注稀疏深度补全中的场景完整性问题。我们在KITTI数据集上验证了SCADC在深度估计精度和场景完整性方面的性能。此外，我们还通过实验验证了在较少探索的室外RGBD语义分割任务中，使用具有场景完整性感知的D输入的有效性。