廣告
首頁(yè) > 汽車(chē)技術(shù) > 正文
MIT最新成果：激光雷達(dá)超分辨率的新方法
2020-05-14 00:11:04· 來(lái)源：智車(chē)科技
為了提高稀疏3D激光雷達(dá)捕獲點(diǎn)云的分辨率，MIT的研究人員通過(guò)研究，將這個(gè)問(wèn)題從3D問(wèn)題轉(zhuǎn)換為2D圖像空間中的圖像超分辨率問(wèn)題，使用深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)解決。在
為了提高稀疏3D激光雷達(dá)捕獲點(diǎn)云的分辨率，MIT的研究人員通過(guò)研究，將這個(gè)問(wèn)題從3D問(wèn)題轉(zhuǎn)換為2D圖像空間中的圖像超分辨率問(wèn)題，使用深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)解決。
在研究和使用激光雷達(dá)的時(shí)候，經(jīng)常會(huì)遇到這樣一個(gè)問(wèn)題，既想要一個(gè)大線束的激光雷達(dá)來(lái)保證車(chē)輛周?chē)陌踩裕中枰畲笙薅鹊墓?jié)省成本，這種情況下，很多研究者正在從算法上提高激光雷達(dá)的性能。
近日，MIT提出了一種用于地面車(chē)輛在道路上行駛的激光雷達(dá)超分辨率的方法，該方法完全依靠駕駛模擬器通過(guò)深度學(xué)習(xí)來(lái)增強(qiáng)物理激光雷達(dá)的外觀分辨率。
為了提高稀疏3D激光雷達(dá)捕獲的點(diǎn)云的分辨率，研究人員將此問(wèn)題從3D歐幾里得空間轉(zhuǎn)換為2D圖像空間中的圖像超分辨率，可使用深度卷積神經(jīng)網(wǎng)絡(luò)解決該問(wèn)題。
通過(guò)將點(diǎn)云投影到范圍圖像上，使用深度神經(jīng)網(wǎng)絡(luò)有效地提高此類(lèi)圖像的分辨率。通常，深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的真實(shí)世界數(shù)據(jù)。此方法不需要任何實(shí)際數(shù)據(jù)，因?yàn)閮H使用計(jì)算機(jī)生成的數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)。
該方法理論上可用于增強(qiáng)任何類(lèi)型的3D激光雷達(dá)。通過(guò)在神經(jīng)網(wǎng)絡(luò)中創(chuàng)造性的應(yīng)用蒙特卡洛（Monte-Carlo）壓降并刪除具有高度不確定性的預(yù)測(cè)，可產(chǎn)生與真實(shí)高分辨率激光雷達(dá)的觀測(cè)結(jié)果可比的高精度點(diǎn)云。
由于激光雷達(dá)的水平分辨率通常足夠高，所以只能增強(qiáng)垂直分辨率。但是，在一般性前提下，提出的方法也適用僅用一個(gè)來(lái)增強(qiáng)激光雷達(dá)的水平分辨率對(duì)神經(jīng)網(wǎng)絡(luò)的少量修改。的工作流程提議的方法如圖1所示。給定一個(gè)稀疏點(diǎn)來(lái)自3D激光雷達(dá)的云，我們首先將其投影并獲得低分辨率范圍圖像。然后將此范圍圖像作為輸入提供給神經(jīng)網(wǎng)絡(luò)，僅對(duì)模擬數(shù)據(jù)進(jìn)行訓(xùn)練，用于升級(jí)。通過(guò)變換將高分辨率圖像像素推斷為3D坐標(biāo)。
相關(guān)論文及代碼：
https://github.com/RobustFieldAutonomyLab/lidar_super_resolution
https://www.catalyzex.com/paper/arxiv:2004.05242
隨著自動(dòng)駕駛汽車(chē)的發(fā)展，對(duì)3D激光雷達(dá)的需求將大大增加。盡管旋轉(zhuǎn)的2D激光雷達(dá)可以通過(guò)連續(xù)反復(fù)更改掃描位置，此類(lèi)系統(tǒng)通常效率低下。典型的3D激光雷達(dá)具有多個(gè)通道，在不同的高度旋轉(zhuǎn)，產(chǎn)生帶有環(huán)的3D點(diǎn)云，成像結(jié)構(gòu)。傳感器中的通道數(shù)決定了點(diǎn)云的垂直密度。密集的點(diǎn)云從具有更多通道的激光雷達(dá)可以獲?。坏匦谓：蛯?duì)象高分辨力的激光雷達(dá)可以使目標(biāo)檢測(cè)大大受益。
在研究和使用激光雷達(dá)的時(shí)候，經(jīng)常會(huì)遇到這樣一個(gè)問(wèn)題，既想要一個(gè)大線束的激光雷達(dá)來(lái)保證車(chē)輛周?chē)陌踩裕中枰畲笙薅鹊墓?jié)省成本，這種情況下，很多研究者正在從算法上提高激光雷達(dá)的性能。
近日，MIT提出了一種用于地面車(chē)輛在道路上行駛的激光雷達(dá)超分辨率的方法，該方法完全依靠駕駛模擬器通過(guò)深度學(xué)習(xí)來(lái)增強(qiáng)物理激光雷達(dá)的外觀分辨率。
為了提高稀疏3D激光雷達(dá)捕獲的點(diǎn)云的分辨率，研究人員將此問(wèn)題從3D歐幾里得空間轉(zhuǎn)換為2D圖像空間中的圖像超分辨率，可使用深度卷積神經(jīng)網(wǎng)絡(luò)解決該問(wèn)題。
通過(guò)將點(diǎn)云投影到范圍圖像上，使用深度神經(jīng)網(wǎng)絡(luò)有效地提高此類(lèi)圖像的分辨率。通常，深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的真實(shí)世界數(shù)據(jù)。此方法不需要任何實(shí)際數(shù)據(jù)，因?yàn)閮H使用計(jì)算機(jī)生成的數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)。
該方法理論上可用于增強(qiáng)任何類(lèi)型的3D激光雷達(dá)。通過(guò)在神經(jīng)網(wǎng)絡(luò)中創(chuàng)造性的應(yīng)用蒙特卡洛（Monte-Carlo）壓降并刪除具有高度不確定性的預(yù)測(cè)，可產(chǎn)生與真實(shí)高分辨率激光雷達(dá)的觀測(cè)結(jié)果可比的高精度點(diǎn)云。
由于激光雷達(dá)的水平分辨率通常足夠高，所以只能增強(qiáng)垂直分辨率。但是，在一般性前提下，提出的方法也適用僅用一個(gè)來(lái)增強(qiáng)激光雷達(dá)的水平分辨率對(duì)神經(jīng)網(wǎng)絡(luò)的少量修改。的工作流程提議的方法如圖1所示。給定一個(gè)稀疏點(diǎn)來(lái)自3D激光雷達(dá)的云，我們首先將其投影并獲得低分辨率范圍圖像。然后將此范圍圖像作為輸入提供給神經(jīng)網(wǎng)絡(luò)，僅對(duì)模擬數(shù)據(jù)進(jìn)行訓(xùn)練，用于升級(jí)。通過(guò)變換將高分辨率圖像像素推斷為3D坐標(biāo)。
相關(guān)論文及代碼：
https://github.com/RobustFieldAutonomyLab/lidar_super_resolution
https://www.catalyzex.com/paper/arxiv:2004.05242
隨著自動(dòng)駕駛汽車(chē)的發(fā)展，對(duì)3D激光雷達(dá)的需求將大大增加。盡管旋轉(zhuǎn)的2D激光雷達(dá)可以通過(guò)連續(xù)反復(fù)更改掃描位置，此類(lèi)系統(tǒng)通常效率低下。典型的3D激光雷達(dá)具有多個(gè)通道，在不同的高度旋轉(zhuǎn)，產(chǎn)生帶有環(huán)的3D點(diǎn)云，成像結(jié)構(gòu)。傳感器中的通道數(shù)決定了點(diǎn)云的垂直密度。密集的點(diǎn)云從具有更多通道的激光雷達(dá)可以獲?。坏匦谓：蛯?duì)象高分辨力的激光雷達(dá)可以使目標(biāo)檢測(cè)大大受益。
點(diǎn)贊 0 反對(duì) 0 舉報(bào) 0
收藏 0
評(píng)論 0 分享 73
廣告 編輯推薦
最新資訊
-
“汽車(chē)爬坡試驗(yàn)方法”將有國(guó)家標(biāo)準(zhǔn)
2026-03-03 12:44
-
十年耐久監(jiān)管時(shí)代：電池系統(tǒng)開(kāi)發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國(guó)法規(guī)R59對(duì)機(jī)動(dòng)車(chē)備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國(guó)法規(guī)R58對(duì)后下部防護(hù)裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國(guó)法規(guī)R57對(duì)摩托車(chē)前照燈配光性能的工
2026-03-03 12:07
