Temporal Lidar Depth Completion

通过自动驾驶车辆的激光雷达测量数据，我们可以投影点并生成稀疏深度图。深度完成旨在通过填充和插值稀疏深度值来增加深度图的分辨率。与大多数现有方法一样，在非常稀疏或遮挡的区域中，我们利用相机图像作为指导。此外，我们提出了一种利用先前时间步长信息的时间算法，使用递归。在这项工作中，我们展示了如何修改最先进的方法PENet以从递归中受益。我们的算法在KITTI深度完成数据集上实现了最先进的结果，而仅增加不到1％的神经网络参数和浮点操作的附加开销。特别是对于远处的物体和包含少量激光雷达深度样本的区域，准确性得到了改善。即使在没有任何地面真实值的区域（如天空和屋顶），我们也观察到了大幅改进，这些改进没有被现有的评估指标捕捉到。

本论文的问题是如何通过使用相机图像的引导和时间算法来提高稀疏深度图像的分辨率。

本论文的关键思路是将先前的时间步骤信息用于深度完成，从而提高了KITTI深度完成数据集的准确性。

本论文的算法通过使用相机图像和时间算法来提高稀疏深度图像的分辨率，并且在KITTI深度完成数据集上取得了最先进的结果。该算法特别适用于远距离物体和包含少量激光雷达深度样本的区域，并且即使在没有地面真实值的区域（如天空和屋顶）也观察到了大幅改进。该论文的代码已经开源。

与本论文相关的研究包括：PENet，KITTI深度完成数据集等。