Self-supervised Point Cloud Completion on Real Traffic Scenes via Scene-concerned Bottom-up Mechanism讲了什么

论文 "Self-supervised Point Cloud Completion on Real Traffic Scenes via Scene-concerned Bottom-up Mechanism" 主要探讨了如何在自动驾驶中应用点云自动补全技术。该论文提出了一种自监督的点云自动补全方法，该方法通过基于场景的自下而上机制来完成点云自动补全。

具体来说，该方法首先使用无序点云作为输入，并使用一种称为 "场景感知深度估计网络" 的神经网络来估计点云中所有点的深度信息。然后，利用这些深度信息，将点云分割为不同的场景。接下来，在每个场景中，使用一个称为 "底部-向上机制" 的算法，从具有高置信度的点开始，逐渐向周围的点扩展，以填充缺失的点。

该方法通过使用自监督学习，使得模型可以在不需要任何人工标注数据的情况下进行学习，从而可以更好地适用于真实道路场景中的点云自动补全任务。论文还通过在真实数据集上进行实验，证明了该方法的有效性和优越性。