面向自动驾驶的稀疏深度图补全方法SFN-D

来源：计算机应用研究杂志2025年第11期北京时间：

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；

摘要：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。

关键词：深度补全,多模态融合,自动驾驶,稀疏深度图,

基金资助：上海市科委创新计划资助项目(22DZ1100103)；；