De-snowing LiDAR Point Clouds With Intensity and Spatial-Temporal Features
ICRA是机器人方向的顶会还有IROS，但是这两个会议规模太大，鱼龙混杂，没有源码的论文需要多加斟酌//期刊还有IJRR，JFR和TRO。
Idea is cheap , show me your code.
结论
从三维和W-T空间提取时空特征，从而滤除雪点保存非雪点。
引言
提及：仅使用受多种因素影响的强度信息是不能将雪点与物体点有效地区分开。
问题1：利用强度值去除噪声的同时减少对有效点的剔除。这个也是我要解决的问题。
问题2：利用点的分布和运动轨迹将雪点区分出来
论文：先利用LIOR对点进行粗区分，在利用空间的KNN均值，和多帧点云平面投影中点的轨迹，对真值进行修复。
节二：相关研究。
节三：动机
节四：方法
节五：实验
节六：总结
相关研究
一、基于空间特征的去噪：
体素降采样、SOR、DROR
二、基于机器学习和强度：
weathernet \LIOR
对相关研究的总结：已有算法忽略的连续的时空信息，单个帧的数据是不充足的，重点：单帧去雪基于稀疏点更偏向雪点的假设[23]，但是当雪稠密时这种假设便不合适了。
动机展示
通过展示当前的一些场景的点云数据，比对当前的去噪算法。
上位机配置，各算法参数设置。
总结当前算法去噪效果。
方法
一、基于强度的滤波
根据论文《LIOR》可知，强度数据主要受雪花偏角，反射率，距离影响。
强度计算公式：
根据LIOR中的参数以及文献[25]中的雪花物理模型。
雪花偏角设为45度，反射率设为0.144。以上是点云强度计算公式-激光雷达硬件计算得出最终的强度值。
根据实验获得点云强度-距离曲线为：
建立模型为：
强度阈值获得：其中Ic=Im
获取参考强度和参考距离，并带入上面公式，求出强度阈值
这个参考强度准则就是-在某一距离下强度分布集中的值。参考LIOR，参考值暂时为5.5m 以及 强度均值I_mean
二、修复
分别代表点Pi在3D空间和W-T空间中邻近点的数量。
3D空间恢复：半径滤波根据《LIOR》中的结论将半径设置为0.1m
W-T空间修复。W代表点云二维图的宽度，T代表点云帧时间序列：就是将当前帧投影为二维图像（h*w），该图像带有时间戳
这些点在连续时间空间中运动轨迹不规则，很可能是雪点。
通过这种方法将强度为较弱的有效点区分开。
具体方法：通过**PCA[26]**进行降维处理，点云图像投影。
搜索当前帧该点处的5*5范围的邻近点。也就是（如下图）
我的问题：这里没有使用上时间信息。
基于EWM的融合
根据信息论的原则：熵是系统混乱度的度量。
论文该处有误
EWM[27]是一种计算权重的方法，用于多指标综合评价
通过加权平均将进行融合来计算一个置信分数。如下，其实就是将每个点在两个空间的邻域数构成一个m*2的矩阵。
计算权重：
先计算每个点的各空间邻域点数在该空间下的比例。
计算比例值的熵值
获得该空间下邻域数的权重
计算该点的置信分数。论文设置分数0.65比较合适。
实验
测试数据集为CADC，降雪点已经被人工标注了。
评估指标：精度，召回，准确度，Fmeasure
精度是被预测为雪的样本中正确结果的比例。
召回率是真实雪中正确结果的比例
准确度是准确预测结果占总样本的比例。
Fmeasure是精度和召回率的加权调和平均
De-snowing LiDAR Point Clouds With Intensity and Spatial-Temporal Features相关推荐
- 点云 3D 天气数据增强 - Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in ... (ICCV 2021)
Fog Simulation on Real LiDAR Point Clouds for 3D Object Detection in Adverse Weather - 恶劣天气下用于3D目标检测 ...
- Paper5：Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time Per
给定一个3D激光雷达点云,我们如何快速且精确地分割它们?快速且精确的3D激光雷达点云分割是移动机器人在分类,跟踪,SLAM等不同应用中的重要问题.尽管它很重要,但是现有方法无法同时实现速度和准确性:尤 ...
- 论文阅读 End-to-End Multi-View Fusion for 3D Object Detection in Lidar Point Clouds
[论文阅读] End-to-End Multi-View Fusion for 3D Object Detection in Lidar Point Clouds 原文链接:https://arxiv ...
- Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time
Curved-Voxel Clustering for Accurate Segmentation of 3D LiDAR Point Clouds with Real-Time 简介 简介 给定一个 ...
- Adaptive Two-Stage Filter for De-snowing LiDAR Point Clouds(DNNOR)
Adaptive Two-Stage Filter for De-snowing LiDAR Point Clouds 结论 CADCD dataset 验证了该算法的有效性-强度滤波与密度滤波合并的 ...
- 论文阅读 2DPASS: 2D Priors Assisted SemanticSegmentation on LiDAR Point Clouds LiDAR
题目:2DPASS: 2D Priors Assisted SemanticSegmentation on LiDAR Point Clouds ECCV 2022.建议打开csdn右侧目录栏,部分个 ...
- (ICRA 2020) Instance Segmentation of LiDAR Point Clouds
Abstract 我们提出了一种鲁棒的基线方法用于实例分割,该方法专为大型户外LiDAR点云而设计.我们的方法包括一种新颖的密集特征编码技术,允许对远处的小物体进行定位和分割,为单次实例预测提供简单但 ...
- Individual Tree Segmentation Method Based on Mobile Backpack LiDAR Point Clouds
Abstract 单棵树 (IT) 分割对于森林管理.支持森林清查.生物量监测或树木竞争分析至关重要.光探测和测距 (LiDAR) 是这方面的一项突出技术,优于竞争技术.航空激光扫描 (ALS) 经常 ...
- Individual Tree Segmentation from LiDAR Point Clouds for Urban Forest Inventory
Abstract 本研究的目的是使用 LiDAR 点云数据开发单棵树级别的自动化城市森林清单的新算法.激光雷达数据包含三维结构信息,可用于估算树高.基高.树冠深度和树冠直径.这使得精确的城市森林库存可 ...
最新文章
- iOS进阶之类扩展(Extension)（8）
- 16岁成为全栈开发者：我从开发游戏到写加密货币投资机器人的心路历程
- 485串口测试工具软件_探索者 STM32F407 开发板资料连载第三十一章 485 实验
- sql2018 ssas_如何使用SQL Server Analysis Services（SSAS）从头开始构建多维数据集
- 销售99绝招 成功没商量
- SQL--合计函数（Aggregate functions）:avg,count,first,last,max,min,sum
- express框架开发笔记
- Gstreamer之GstBuffer(十八)
- RegularExpressions
- PAT A1007 动态规划
- Typora 下载及使用简介
- 怎么打开计算机开机启动菜单,计算机怎么添加多系统启动菜单？
- 新华DCS系统MODBUS通讯仿真测试方法介绍
- IDEA中修改Maven的项目名称
- 学习篇--FPGA学习网站
- Python 【哔哩哔哩】短视频的自动上传与发布实例演示，，同时支持抖音、快手、小红书、微视、西瓜视频、微信视频号等平台的视频自动化同步发布
- 超炮主题曲用计算机谱,fripsideLevel5 Judgelight(《某科学的超电磁炮》动漫主题曲)歌词-查字典简谱网...
- 4. DBSCAN方法及其应用
- Redis 的 RDB 和 AOF
- 【Apple Music如何开通学生会员：使用学校邮箱辅助验证】