Year: 2025
Type: article
Abstract: 目的无人驾驶的应用已不再局限于城市环境，正逐渐向野外扩展。在野外复杂环境中，准确提取可通行区域并构建可通行地图，对无人驾驶的安全行驶至关重要。与计算机视觉相比，基于激光雷达的高程地图更适合表达野外复杂场景。然而，受激光雷达稀疏性和环境遮挡等因素影响，现有高程地图普遍存在信息缺失问题。为补全稀疏高程地图缺失信息并提高补全准确性，本文提出一种融合多源数据并引入语义信息的稀疏核贝叶斯预测方法，以完善高程地图，进而获取更安全的可通行区域。方法第一步融合相机的单目估计数据，填补由于雷达近距离盲区导致的数据缺失；第二步使用可通行条件的判断得到可通行和不可通行的二分语义，赋予高程地图语义信息，并对缺失高程信息的位置进行统计概率的判断，得到缺失高程信息位置的语义；第三步利用贝叶斯稀疏核结合缺失位置的语义进行推理预测，补全相应缺失位置的高程信息，最后得到准确完善的高程地图，提高可通行区域提取的准确性。结果通过实验，分别在公开数据集RELLIS-3D和TartanDrive2.0上验证了本文补全方法的有效性。使用本文提出的补全方法完善后的高程地图，在RELLIS-3D数据集上，信息缺失率从原本的25.42%降低到1.56%，误差均值是0.0455m，准确率94.37%；在TartanDrive2.0数据集上，信息缺失率从原本的65.16%降低到25.15%，误差均值是0.103m，准确率93.28%。通过与现有方法在不同野外场景进行对比，证明本文补全方法具有一定的泛用性和有效性。结论本文所提出的一种多源数据融合和考虑二分语义的贝叶斯稀疏核预测的高程地图补全方法，可有效且准确地补全稀疏高程地图缺失的信息，提高可通行区域的提取精度。
Source: Journal of Image and Graphics
DOI: 10.11834/jig.250193
Authors: Zhong Ziwei, Shan Yunxiao, Zhou Xundao
Institution: Sun Yat-sen University
Language: English
Subfield: Aerospace Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4415304210
FWCI:
Cites:
Cited by:
Related to: