Scene Completeness-Aware Lidar Depth Completion for Driving Scenario

要約

このペーパーでは、生の LIDAR スキャンを完成させて、精緻で完全なシーン構造を備えた高密度深度マップを作成する、Scene Completeness-Aware Depth Completion (SCADC) を紹介します。
LIDAR の最近のまばらな深度補完は、下層のシーンのみに焦点を当てており、KITTI などの既存のデータセットが上層領域のグラウンドトゥルースを提供していないため、上層では不規則な推定が生成されます。
これらのエリアは、通常、シーンを理解する上であまり関心のない空や木であるため、それほど重要ではないと考えられています。
ただし、大型トラックや荷物を積んだ車などのいくつかの運転シナリオでは、オブジェクトがシーンの上部にまで及ぶ可能性があると私たちは主張します。
したがって、構造化された上部シーン推定を備えた深度マップは、RGBD アルゴリズムにとって重要です。
SCADC は、シーンの完全性が向上した不均衡を生成するステレオ画像を採用しますが、一般に LIDAR よりも精度が低く、まばらな LIDAR 深度の完成を支援します。
私たちの知る限りでは、私たちはスパース深度の補完によるシーンの完全性に焦点を当てた最初の企業です。
深度推定の精度とシーンの完全性の両方について、SCADC を KITTI で検証します。
さらに、シーンの完全性を意識した D 入力を使用して、あまり研究されていない屋外 RGBD セマンティック セグメンテーションを実験して、手法を検証します。

要約(オリジナル)

This paper introduces Scene Completeness-Aware Depth Completion (SCADC) to complete raw lidar scans into dense depth maps with fine and complete scene structures. Recent sparse depth completion for lidars only focuses on the lower scenes and produces irregular estimations on the upper because existing datasets, such as KITTI, do not provide groundtruth for upper areas. These areas are considered less important since they are usually sky or trees of less scene understanding interest. However, we argue that in several driving scenarios such as large trucks or cars with loads, objects could extend to the upper parts of scenes. Thus depth maps with structured upper scene estimation are important for RGBD algorithms. SCADC adopts stereo images that produce disparities with better scene completeness but are generally less precise than lidars, to help sparse lidar depth completion. To our knowledge, we are the first to focus on scene completeness of sparse depth completion. We validate our SCADC on both depth estimate precision and scene-completeness on KITTI. Moreover, we experiment on less-explored outdoor RGBD semantic segmentation with scene completeness-aware D-input to validate our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google