论文笔记_S2D.44_自监督的从稀疏到稠密：用激光雷达和单目摄像机进行自监督深度补全

基本情况

• 题目：Self-supervised sparse-to-dense: Self-supervised depth completion from lidar and monocular camera
• 出处：Ma, F., Cavalheiro, G. V., & Karaman, S. (2019, May). Self-supervised sparse-to-dense: Self-supervised depth completion from lidar and monocular camera. In 2019 International Conference on Robotics and Automation (ICRA) (pp. 3288-3295). IEEE.
• 开源代码：https://github.com/fangchangma/self-supervised-depth-completion

摘要

深度补全，即从稀疏深度测量中估计出密集深度图像的技术，在机器人技术和自动驾驶中有多种应用。然而，深度补全面临着3个主要的挑战:

• 稀疏深度输入中的不规则间隔模式，
• 处理多传感器模式(当有彩色图像时)的困难，
• 以及缺乏密集的、像素级的真值深度标签用于训练。

在这项工作中，我们应对所有这些挑战。

• 具体来说，我们开发了一个深度回归模型来学习从稀疏深度(和彩色图像)输入到