论文笔记_CV_AD_3D Reconstruction using a Sparse Laser Scanner and a Single Camera for Outdoor Autonomous
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
- 使用稀疏的激光扫描器+图像,建立出稠密的深度地图。
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
- 体素化和离群点(outlier points)检测
- 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。
- 通过融合图像和插值点,来构建三维深度图;
- 1. 局部测距建模阶段(the local range modeling phase)
- 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。
- 激光雷达[21]可用于灌木、树冠等非刚性物体的重建;
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
- 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 ...
- 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 ...
- 【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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 【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 ...
- 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 ...
- 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
- 模仿滴滴单车解锁的时候,从0%到90%的欺骗加载动画效果
- 在CentOS 6.6 x86_64上安装SystemTap/Perf+FlameGraph玩转火焰图实录
- 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...
- 天气情况(思维,dp思想)
- phpcms调用栏目描述_phpcms标签整理_当前栏目调用
- niosii spi 外部_基于Nios_II的DMA传输总结
- 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
- 【情感分析】华为云细粒度文本情感分析及应用
- 三星Galaxy note I9220 系统廋身
- oracle 11.2 awr,oracle 11g database获取AWR报告
- Kubernetes系列——Kubernetes 组件、对象(二)
- [2018.07.17 T1] 字符串最大值
- visio图形包解压
- ios手机怎么连接adb命令_Mac连接Adb
- python开发语音录入_用Excel及Python实现数据录入语音校对功能
- 微信号下方菜单如何设置
- 固定成本、可变成本、沉没成本、机会成本
- 算法基础—数据结构—双链表
- 智慧城市同城小程序V4_1.0.86后端+双前端
- (转)sqlserver 数据恢复方法
热门文章
- [2019杭电多校第六场][hdu6641]TDL
- 免费内网映射外网绑定,tcp端口转发(windows)
- PHP获得指定日期所在月的第一天和最后一天
- SourceAnalysis/Binder源码分析.md
- [No000094]SVN学习笔记4-版本库概念与部分日常操作
- 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...
- 自定义网页头部前面小图标
- ZeroClipboard—ZeroClipboard的使用
- SpringBoot java配置类@Configuration 的两种写法
- jQuery实现点击行(tr)选中某列中CheckBox