目录

1 论文基本信息

2 看本篇论文目的

3 问题场景

4 核心解决思想

4.1 创新点

4.2 不足点

5 经典参考论文


1 论文基本信息

  • 论文题目:3D Reconstruction using a sparse laser scanner and a single camera for outdoor autonomous vehicle
  • 年份:2016
  • 出处:IEEE 19th International Conference on Intelligent Transportation Systems (ITSC)
    • 中科院自动化所主办的IEEE系列会议
  • 作者:Honggu Lee, Soohwan Song and Sungho Jo
    • Department of Computer Science, KAIST, Daejeon 305-701, Republic of Korea
    • KAIST (韩国科学技术院):来自知乎:“在韩国,KAIST是如同清华般的存在;在学术界,KAIST还是有很高的声誉,基本同领域的学者都知道。去美帝或者其他地方读博,KAIST是一个很好的跳板(KAIST有很多斯坦福、MIT级别的 partner universities ,很多教授是美帝牛校毕业的)”
  • JO评价:
    • 思路清晰,写作规范有条理,行文逻辑可以参考。

2 看本篇论文目的

  • 了解激光雷达和相机结合,会有什么好的应用场景;

    • JO答:稠密深度地图
  • 了解在自动驾驶领域,减低成本同时,又能不牺牲性能的解决方案。

3 问题场景

  • 场景:

    • 自动驾驶汽车上,在宽阔的户外环境。
  • 背景描述:
    • 自动驾驶汽车,大部分目前采用激光和图像传感器,都需要有目标探测,避障,导航系统;
    • 对于以上系统,最重要的信息来源之一,就是一个精确稠密的三维深度地图(an accurate dense 3D depth map)。
      • JO疑问:三维深度地图,在自动驾驶中,到底能发挥什么/多少作用?更合理的信息提供方式应该是什么?
  • 解决问题:
    • 使用稀疏的激光扫描器+图像,建立出稠密的深度地图

      • a Velodyne HDL-64E + RGB data

4 核心解决思想

  • 两步:

    • 1. 局部测距建模阶段(the local range modeling phase)

      • 体素化和离群点(outlier points)检测

        • 将空间分割成包含局部范围点的离散体素,并利用点直方图特征寻找离群点。
      • 使用高斯过程回归(Gaussian Process regression,GP),从激光扫描仪中插入3D点,同时保持物体的形状。
        • 参考资源:浅析高斯过程回归 https://blog.csdn.net/qq_20195745/article/details/82721666
    • 2. 三维深度地图重建阶段(3D depth map reconstruction phase)
      • 通过融合图像和插值点,来构建三维深度图;

        • 利用点直方图特征(a point histogram feature),有效地选择了与目标对应的三维点,消除了体素中的非相似点。
      • 并基于马尔可夫随机场(Markov Random Field,MRF)进行优化。
        • MRF:用于融合两种不同类型的传感器数据。
  • 效果:
    • 提供了一个与所有图像像素对应的深度地图 (a depth map)。
    • 定性和时间复杂度的结果表明,我们的方法,在实时演示的自动驾驶汽车在复杂的城市场景,是鲁棒的和足够快的。

4.1 创新点

  • 老方法的新应用:激光扫描器+图像的室外应用。

4.2 不足点

  • 在一个固定的体素区域内a fixed voxel region插值三维点:

    • 有时会导致表面重叠(surfaces are overlapped),从而导致边缘失真(edge distortion)。
  • 进一步研究:
    • 激光雷达[21]可用于灌木、树冠等非刚性物体的重建;

      • 在未来的工作中,我们想要重建更加复杂的户外环境,包括树叶、灌木和植被。

5 经典参考论文

  • A. Geiger, P. Lenz, and R. Urtasun, “Are we ready for autonomous driving? the kitti vision benchmark suite,” in Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012, pp. 3354–3361.
  • J. Diebel and S. Thrun, “An application of markov random fields to range sensing,” in Advances in neural information processing systems, 2005, pp. 291–298.
    • NIPS(NeurIPS),全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems),是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行,由NIPS基金会主办。NIPS是机器学习领域的顶级会议。在中国计算机学会的国际学术会议排名中,NIPS为人工智能领域的A类会议。

论文笔记_CV_AD_3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous相关推荐

  1. Deep Learning论文笔记之(二)Sparse Filtering稀疏滤波

    Deep Learning论文笔记之(二)Sparse Filtering稀疏滤波 zouxy09@qq.com http://blog.csdn.net/zouxy09          自己平时看 ...

  2. 论文阅读Patient-specific reconstruction of volumetric computed tomography images from a single projectio

    Patient-specific reconstruction of volumetric computed tomography images from a single projection vi ...

  3. 【论文笔记2_超分辨】(IDN)Fast and Accurate Single Image Super-Resolution via Information Distillation Network

    文章目录 Abstract 1. Introduction 2. Network Structure 2.1 特征提取块(FBlock) 2.2 信息蒸馏块(DBlocks) 2.2.1 增强单元(E ...

  4. 论文笔记(三十):Counter-Hypothetical Particle Filters for Single Object Pose Tracking

    Counter-Hypothetical Particle Filters for Single Object Pose Tracking 文章概括 摘要 I. 简介 II. 相关工作 A. 机器人的 ...

  5. ORB-SLAM3 论文笔记

    ORB-SLAM3 论文笔记 这篇博客 ORB-SLAM3系统 相机模型的抽象(Camera Model) 重定位的问题 图片矫正的问题 视觉惯性SLAM的工作原理 相关公式 IMU初始化 跟踪和建图 ...

  6. 论文笔记《Spatially Sparse Precoding in Millimeter Wave MIMO Systems》

    论文笔记<Spatially Sparse Precoding in Millimeter Wave MIMO Systems> 背景 增加商业无线系统可用的频谱,通过探索新的不那么受限的 ...

  7. 论文笔记 [5] SRCNN

    论文笔记 [5] Learning a Deep Convolutional Network for Image Super-Resolution emmm--这篇文章就是在那篇做deblocking ...

  8. 【时序】应用于时间序列的 Transformer 综述论文笔记

    论文名称:Transformers in Time Series: A Survey 论文下载:https://arxiv.org/abs/2202.07125 论文源码:https://github ...

  9. Unsupervised Monocular Depth Estimation With Left-Right Consistency 论文笔记

    文 | 陈十三 公众号首发 | 一只在路上的哈士奇 公众号ID | super_Mrchen 关注可了解更多.问题或建议,请公众号留言 0x00 补充知识 1.视差:左右双目图像中,两个匹配块中心像素 ...

  10. ConvNeXt V2 论文笔记

    ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders(2023.1.2-v1) 链接:   paper     ...

最新文章

  1. 模仿滴滴单车解锁的时候,从0%到90%的欺骗加载动画效果
  2. 在CentOS 6.6 x86_64上安装SystemTap/Perf+FlameGraph玩转火焰图实录
  3. Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
  4. 天气情况(思维,dp思想)
  5. phpcms调用栏目描述_phpcms标签整理_当前栏目调用
  6. niosii spi 外部_基于Nios_II的DMA传输总结
  7. 人脸识别门禁_小区人脸识别门禁或取代传统门禁刷卡方式
  8. 【情感分析】华为云细粒度文本情感分析及应用
  9. 三星Galaxy note I9220 系统廋身
  10. oracle 11.2 awr,oracle 11g database获取AWR报告
  11. Kubernetes系列——Kubernetes 组件、对象(二)
  12. [2018.07.17 T1] 字符串最大值
  13. visio图形包解压
  14. ios手机怎么连接adb命令_Mac连接Adb
  15. python开发语音录入_用Excel及Python实现数据录入语音校对功能
  16. 微信号下方菜单如何设置
  17. 固定成本、可变成本、沉没成本、机会成本
  18. 算法基础—数据结构—双链表
  19. 智慧城市同城小程序V4_1.0.86后端+双前端
  20. (转)sqlserver 数据恢复方法

热门文章

  1. [2019杭电多校第六场][hdu6641]TDL
  2. 免费内网映射外网绑定,tcp端口转发(windows)
  3. PHP获得指定日期所在月的第一天和最后一天
  4. SourceAnalysis/Binder源码分析.md
  5. [No000094]SVN学习笔记4-版本库概念与部分日常操作
  6. Flex中如何通过设置GridLines对象的horizontalAlternateFill样式交错显示LineSeries图表背景颜色的例子...
  7. 自定义网页头部前面小图标
  8. ZeroClipboard—ZeroClipboard的使用
  9. SpringBoot java配置类@Configuration 的两种写法
  10. jQuery实现点击行(tr)选中某列中CheckBox