Szenevollständigkeitsbewusste Lidar-Tiefenvervollständigung für Fahrzeugszenarien

Dieses Papier stellt Scene Completeness-Aware Depth Completion (SCADC) vor, eine Methode zur Vervollständigung roher Lidar-Scans zu dichten Tiefenbildern mit feinen und vollständigen Szenenstrukturen. Aktuelle Ansätze zur dünnen Tiefenvervollständigung für Lidare konzentrieren sich hauptsächlich auf die unteren Bereiche der Szene und erzeugen unregelmäßige Schätzungen in den oberen Bereichen, da vorhandene Datensätze wie KITTI keine Ground-Truth-Daten für diese Bereiche liefern. Diese Bereiche werden als weniger wichtig betrachtet, da sie in der Regel Himmel oder Bäume sind, die für die Szenenverstehensanalyse von geringerem Interesse sind. Dennoch argumentieren wir, dass in bestimmten Fahrzeugszenarien, wie bei großen Lastwagen oder beladenen Autos, Objekte in die oberen Bereiche der Szene reichen können. Daher sind Tiefenbilder mit strukturierten Schätzungen der oberen Szene für RGBD-Algorithmen von Bedeutung. SCADC nutzt Stereo-Bilder, die zwar bessere Szenenvollständigkeit aber im Allgemeinen weniger präzise als Lidare erzeugen, um die dünn besetzte Lidar-Tiefenvervollständigung zu unterstützen. Nach unserem Wissen sind wir die Ersten, die sich auf die Szenenvollständigkeit bei der dünn besetzten Tiefenvervollständigung konzentrieren. Wir überprüfen unsere SCADC-Methode sowohl hinsichtlich der Präzision der Tiefenschätzung als auch der Szenenvollständigkeit am KITTI-Datensatz. Darüber hinaus führen wir Experimente mit weniger untersuchten Outdoor-RGBD-Semantiksegmentierung durch, wobei wir ein D-Eingang mit berücksichtigter Szenenvollständigkeit verwenden, um unsere Methode zu validieren.