LiDAR配置对越野语义分割性能的影响分析
计算机视觉与模式识别
2023-06-30 v1 机器人学
图像与视频处理
摘要
本文研究了LiDAR配置变化对3D LiDAR点云语义分割模型性能的影响，这一主题此前尚未得到充分研究。我们利用Cylinder3D进行实验，探究了在训练和测试3D LiDAR点云语义分割模型时使用不同LiDAR通道的效果。一个Cylinder3D模型在由密西西比州立大学自动驾驶车辆模拟器（MAVS）生成的模拟3D LiDAR点云数据集以及真实世界越野环境中采集的RELLIS-3D数据集的32、64通道3D LiDAR点云上进行训练和测试。我们的实验结果表明，传感器和空间域偏移显著影响了基于LiDAR的语义分割模型的性能。在训练与测试间不存在空间域变化的情况下，在相同传感器类型上训练和测试的模型通常表现出更好的性能。此外，高分辨率传感器相比低分辨率传感器表现出改进的性能。然而，当存在空间域变化时，结果有所差异。在某些情况下，传感器较高分辨率的优势使其在有无传感器域偏移时均带来更好性能。在其他情况下，较高分辨率导致在特定域内过拟合，缺乏泛化能力，并在不同传感器配置数据上测试时性能下降。
引用
@article{arxiv.2306.16551,
title = {Analysis of LiDAR Configurations on Off-road Semantic Segmentation Performance},
author = {Jinhee Yu and Jingdao Chen and Lalitha Dabbiru and Christopher T. Goodin},
journal= {arXiv preprint arXiv:2306.16551},
year = {2023}
}