4D-StOP:基于时空目标提议生成与聚合的4D激光雷达全景分割
计算机视觉与模式识别
2022-10-07 v1
摘要
本工作中,我们提出一种称为4D-StOP的新范式,以应对4D全景激光雷达分割任务。4D-StOP首先利用基于投票的中心预测生成时空提议,其中4D体中的每个点对相应中心投票。这些轨迹提议进一步使用所学几何特征进行聚合。该轨迹聚合方法在整个时空体之上有效生成视频级4D场景表示。这与现有的端到端可训练最优方法形成对比,后者使用由高斯概率分布表示的时空嵌入。相较于使用高斯概率分布对整体4D体建模,我们基于投票的轨迹生成方法继以基于几何特征的聚合,生成了显著改进的全景激光雷达分割质量。4D-StOP应用于SemanticKITTI测试数据集时取得新的最优结果,得分为63.9 LSTQ,较当前最佳端到端可训练方法大幅提升(+7%)。代码与预训练模型见:https://github.com/LarsKreuzberg/4D-StOP。
引用
@article{arxiv.2209.14858,
title = {4D-StOP: Panoptic Segmentation of 4D LiDAR using Spatio-temporal Object Proposal Generation and Aggregation},
author = {Lars Kreuzberg and Idil Esen Zulfikar and Sabarinath Mahadevan and Francis Engelmann and Bastian Leibe},
journal= {arXiv preprint arXiv:2209.14858},
year = {2022}
}
备注
Accepted to the ECCV 2022 AVVision Workshop