目前KITTI榜单第一,发表于自动化学报英文版。
好久没读Road Detection方面的论文的,该论文的结果虽然是KITTI榜单第一名,但我个人认为创新性和行文确实与发表在CV领域的顶会文章的有挺大差距。但也有个好的地方是该方法开源了。
PLARD
该方法使用了图像与点云两种数据,是将点云投影到图像上的方法。
ADT
Altitude Difference-based Transformation是制作点云那一支的输入的一个过程。其实就是将点云的高度信息投影到图像中,然后求取每个像素在其邻域内的高度差的平均值。
FST
Feature Space Transformation是转换lidar分支feature的一个步骤。首先用对应的lidar和image的feature学两个参数:
这就是总图中的“TN”(Transformation Network)。然后根据这两个参数,得到转换后的lidar