May, 2019

使用即插即用点云去噪算法从单光子激光雷达数据实时重建 3D 模型

PDF
TL;DR文章提出了一种新的实时三维场景重建的计算框架，通过将统计模型和计算机图形学中高度可扩展的计算工具相结合，能够以 20 毫秒的处理时间重建具有未知数量曲面的像素，通过应对杂乱场景的目标探测和成像，能够实现对于复杂运动场景的鲁棒快速目标重建，为实际的三维成像应用铺平了单光子激光雷达以视频帧率的道路。
single-photon lidar3d scene reconstructionreal-time processingtarget detectionvideo-rate 3d imaging
发现论文，激发创造
  • 面向低成本单光子相机的三维视觉

    基于单光子相机的能效高、低成本小型测量，我们提出了一种重建任意兰伯特物体 3D 形状的方法。通过模拟数据和实际捕捉的测量结果来展示我们的方法可以成功恢复复杂的 3D 形状，连接了基于图像建模和主动式范围扫描，并为单光子相机的 3D 视觉迈出了一步。

    Mar, 2024

  • 从稀疏点到稠密点云：通过有限的 LiDAR 数据增强 3D 检测

    提出了一种结合单目和基于点云的三维检测的平衡方法，使用低成本、低分辨率的传感器获取仅有 512 个点，然后将这有限的三维信息与单张图像结合重建完整的三维点云，通过与多模态现成的三维检测器结合使用，使得三维检测的准确率相比于最新的单目检测方法提高了 20%，相对于基准多模态方法在 KITTI 和 JackRabbot 数据集上提高了 6% 到 9%。

    Apr, 2024

  • PlatoNeRF：透过单视角两次反射激光雷达进行的柏拉图洞穴三维重建

    使用飞秒激光雷达捕获的飞行时间数据结合两次光线反射路径模型与 NeRF，可以在无需先验数据、控制环境光照或场景反射率的情况下，重构可见和遮挡几何物体，同时改善传感器空间和时间分辨率的实际限制。

    Dec, 2023

  • 基于单光子探测器和毫米波雷达融合时序数据的单像素三维成像

    提出了一种基于融合数据的三维成像方法，利用单像素单光子探测器和毫米波雷达从多个角度捕捉场景的时间直方图，通过使用人工神经网络从一维融合时序数据中重建三维信息，成功消除对称模糊并提高了重建图像的质量。

    Oct, 2023

  • 基于伪激光雷达点云的单目 3D 目标检测

    提升单目深度学习算法中对于三维场景物体检测的表现，通过伪 LIDAR 点云实现与 LIDAR 算法的融合，最终在 KITTI 基准测试中取得了最优结果。

    Mar, 2019

  • LookUp3D: 数据驱动的 3D 扫描

    我们提出了一种新的校准和重建过程，放弃了显式的点三角化，转而使用基于数据驱动的查找过程。我们的算法和硬件原型针对高速 3D 扫描进行了描述和比较。

    Apr, 2024

  • 通过激光雷达进行密集三维重建：对离体猪组织的比较研究

    利用定量测试对新鲜离体猪组织进行了全面表征，评估基于激光的飞行时间传感器（lidar）在解剖表面重建方面的质量，表明与基于学习的立体匹配相比，飞行时间传感展示了更高的精度、更低的处理延迟、更高的帧速率和更强的抗传感器距离和光照不好的稳健性。此外，发现近红外光穿透对 lidar 测量精度的负面影响，肌肉与脂肪和肝脏在深度测量上存在明显差异，研究结果指向结合飞行时间和光谱成像的新方法具有潜力的全程 3D 感知。

    Jan, 2024

  • 针对三维物体检测的基于语义感知的仅激光雷达伪点云生成

    通过使用 LiDAR 传感器和场景语义，我们提供了一种新的仅依靠 LiDAR 传感器的增强型原始扫描的稠密伪点云框架，无需摄像机，该框架首先利用分割模型从原始点云中提取场景语义，然后使用多模态的域转换器生成伪图像分割和深度提示，从而生成一种富含语义信息的稠密伪点云，并通过引入新的语义引导投影方法增强检测性能。

    Sep, 2023

  • 同时进行地图和物体重建

    本文提出了一种用于从 LiDAR 重建大规模城市场景的动态表面重建方法，通过全局优化降低预测表面与输入 LiDAR 扫描数据的距离，实现了对刚性移动物体的运动补偿，并展示了该系统在自动标记局部注释序列和生成难以标记问题的真实注释方面的应用。

    Jun, 2024

  • Gated2Depth: 从受控图像获得实时密集激光雷达数据

    通过利用带闸门相机的三幅图像，我们提出了一种成像框架，实现了与脉冲激光雷达测量相当的高精度深度图，有效地解决了现有扫描激光雷达系统的空间分辨率在大范围内降低的问题。

    Feb, 2019