面向移动测图点云的全景分割综述
计算机视觉与模式识别
2023-08-21 v2
摘要
3D 点云全景分割是一项综合性任务，旨在 (i) 将每个点分配到一个语义类别，并 (ii) 将每个类别中的点分离为不同的对象实例。得益于 3D 深度神经网络的兴起，语义分割取得了快速进展，近期人们对这种全面的 3D 场景理解的兴趣日益浓厚。然而，迄今为止，关于室外移动测图数据的全景分割工作极少，且缺乏系统性比较。本文试图填补这一空白。它回顾了构建全景分割流水线所需的组件及相关文献。此外，我们建立了一个模块化流水线来进行全面、系统的实验，以评估街道测图背景下全景分割的现状。作为副产品，我们通过扩展 NPM3D 数据集以包含实例标签，提供了首个用于该任务的公开数据集。该数据集和我们的源代码已公开提供。我们讨论了将当前全景分割方法适配到室外场景和大型物体所需的调整。我们的研究发现，对于移动测图数据，KPConv 表现最好但速度较慢，而 PointNet++ 速度最快但性能明显较差。稀疏 CNN 介于两者之间。无论骨干网络如何，通过聚类嵌入特征进行实例分割均优于使用平移坐标的方法。
引用
@article{arxiv.2304.13980,
title = {A Review of Panoptic Segmentation for Mobile Mapping Point Clouds},
author = {Binbin Xiang and Yuanwen Yue and Torben Peters and Konrad Schindler},
journal= {arXiv preprint arXiv:2304.13980},
year = {2023}
}