Die Studie präsentiert TULIP, eine neue Methode zur Hochskalierung von LiDAR-Punktwolken. LiDAR ist ein weit verbreiteter Sensor in der Autonomie, aber die Auflösung der Punktwolken ist oft begrenzt, was die Genauigkeit von Aufgaben wie Kartierung, Lokalisierung und Objekterkennung beeinträchtigt.
Die Autoren adressieren dieses Problem, indem sie LiDAR-Daten in 2D-Rangbilder umwandeln und dann ein auf Swin-Transformer basierendes neuronales Netzwerk verwenden, um die Auflösung zu erhöhen. Im Gegensatz zu früheren Ansätzen passen sie die Patch-Geometrie und das Fensterdesign speziell an die Eigenschaften von Rangbildern an, um die Leistung zu verbessern.
Die Experimente auf drei öffentlichen Datensätzen zeigen, dass TULIP den Stand der Technik in allen relevanten Metriken übertrifft und realistischere Punktwolken erzeugt als vorherige Methoden. Insbesondere kann TULIP die Diskontinuitäten zwischen Objekten besser rekonstruieren und produziert weniger fehlerhafte Punkte.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Bin Yang,Pat... في arxiv.org 03-28-2024
https://arxiv.org/pdf/2312.06733.pdfاستفسارات أعمق