铁路场景3D语义分割的数据中心方法
计算机视觉与模式识别
2025-04-28 v1
摘要
基于LiDAR的语义分割是自动列车中的关键任务，需要在不同距离下实现准确的预测。本文介绍了两个针对性数据增强方法，以提高铁路特定OSDaR23数据集上分割性能的效果。人员实例粘贴方法通过注入真实变化来增强远距离人群的分割。轨道稀疏化方法重新分配LiDAR扫描中的点密度，以提高远距离轨道分割的准确度，同时对近距离分割几乎没有影响。两种方法均使用最先进的3D语义分割网络进行评估，显示出在远距离性能方面显著的改进，同时保持近距离预测的鲁棒性。我们建立了OSDaR23数据的第一个3D语义分割基准，展示了数据中心方法在自动列车感知中解决铁路特定挑战的潜力。
引用
@article{arxiv.2504.18213,
title = {A Data-Centric Approach to 3D Semantic Segmentation of Railway Scenes},
author = {Nicolas Münger and Max Peter Ronecker and Xavier Diaz and Michael Karner and Daniel Watzenig and Jan Skaloud},
journal= {arXiv preprint arXiv:2504.18213},
year = {2025}
}
备注
Accepted at the 28th Computer Vision Winter Workshop 2025