#561 · 主分类: 计算机视觉

Sparse-Depth-Completion

computer-vision deep-learning depth-completion depth-prediction kitti lidar noisy-data pytorch sensor-fusion

从稀疏且带噪声的LiDAR帧中,在RGB图像的引导下预测稠密深度图。(在KITTI上排名第一)[MVA 2019]

项目最后更新:05/01/22

GitHub Stars

511

Forks数量

77

贡献者数量

1

许可证

Other

收录理由

自动驾驶感知常常要把稀疏且不规则的激光雷达点云补成稠密深度图,这个仓库正是这类任务的参考实现。它把单目RGB图像和雷达点融合起来,拆成全局、局部两个分支,再用模型无监督学到的置信图把两路预测合并。论文发表时,这套方法登顶了KITTI深度补全榜单,而且作者公开了训练好的权重和测试集预测结果,团队想对比自己的深度模型可以直接复现,省去重新训练的功夫。不过要注意许可:只允许个人和研究用途,商业使用得另找作者授权,所以把它当作可靠的对照基线就好,不建议直接塞进商用产品里。

相关文章

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。

同类热门项目