ATPPNet：基于注意力的时序点云预测网络
机器人学
2024-02-01 v1
摘要
点云预测是自动驾驶领域一项重要但具有挑战性的任务。其目标是预测未来的点云序列，这些序列在保持物体结构的同时，能准确表征其时间运动。这些预测的点云有助于其他后续任务，如用于碰撞避免的物体轨迹估计或估计里程计漂移最小的位置。在这项工作中，我们提出了ATPPNet，这是一种新颖的架构，它根据由LiDAR传感器获取的前序时间步点云序列来预测未来的点云序列。ATPPNet利用Conv-LSTM以及通道注意力和空间注意力，并由一个3D-CNN分支双重补充，以提取增强的时空上下文，从而恢复对未来点云的高质量保真预测。我们在公开数据集上进行了大量实验，并报告了超越现有方法的卓越性能。我们还对所提出的架构进行了彻底的消融研究，并提供了一项应用研究，突出了我们的模型在里程计估计等任务上的潜力。
引用
@article{arxiv.2401.17399,
title = {ATPPNet: Attention based Temporal Point cloud Prediction Network},
author = {Kaustab Pal and Aditya Sharma and Avinash Sharma and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2401.17399},
year = {2024}
}
备注
Accepted for presentation at the 2024 IEEE International Conference on Robotics and Automation (ICRA)