声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：吴彬,赵海燕,曹健,陈庆奎,
单位：1.上海理工大学a.上海市现代光学系统重点实验室;b.光学仪器与系统教育部工程研究中心;c.光电信息与计算机工程学院,上海200093；2.上海交通大学计算机科学与技术系,上海200030；
关键词：深度补全,多模态融合,自动驾驶,稀疏深度图,
基金：上海市科委创新计划资助项目(22DZ1100103)；；
在自动驾驶领域，稀疏深度图的密集化是重要研究课题，对3D重建和3D目标检测等任务具有突出意义。提出一种新颖的深度补全框架SFN-D，该框架基于多模态数据融合和语义分割设计，利用多模态数据各自的优势来补充稀疏深度图中的缺失深度，从而有效补充稀疏深度图。为了实现这一目标，采取一种借助传感器标定进行数据转换，从而实现多模态数据融合和深度图修正的方案。该框架融合了来自图像和激光雷达的特征图，可与现有任何优秀的点云语义分割网络和图片分割网络相适配，无需任何专家知识且能够开放性地实现稀疏深度图的深度补全。使用自动驾驶领域中广泛使用的KITTI depth compeletion数据集与相似深度补全方法评估了SFN-D，实验结果表明与其他深度补全方法相比，SFN-D有效且有更高的精度。
来源：2025年第11期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。