Deep Generative Modeling of LiDAR Data

Robotique
Déc 2018

Deep Generative Modeling of LiDAR Data

Déc 2018

Construire des modèles capables de générer une sortie structurée est un défi majeur pour l’IA et la robotique. Bien que des modèles génératifs aient été explorés sur de nombreux types de données, peu de travail a été fait sur la synthèse des analyses lidar, qui jouent un rôle clé dans la cartographie et la localisation de robots. Dans ce travail, nous montrons qu’il est possible d’adapter des modèles génératifs profonds à cette tâche en décomposant les balayages lidar en une carte de points 2D. Notre approche peut générer des échantillons de haute qualité, tout en apprenant simultanément une représentation significative des données. Nous démontrons des améliorations significatives par rapport aux méthodes de génération de nuages de points à la pointe de la technologie. De plus, nous proposons une nouvelle représentation de données qui augmente le signal 2D avec une information de position absolue. Nous montrons que cela contribue à la robustesse des entrées bruitées et imputées; le modèle appris peut récupérer l’analyse lidar sous-jacente à partir de données apparemment non informatives

Reference

https://arxiv.org/abs/1812.01180

Linked Profiles