基于相机的自动驾驶三维全景场景完成：通过可微分对象形状
计算机视觉与模式识别
2025-05-15 v1
摘要
自动驾驶车辆需要对周围环境进行完整建图，以用于规划和行动。这催生了3D占用网格预测、3D场景完成和3D全景场景完成等任务，这些任务预测自驾车周围环境的稠密地图作为体素网格。场景完成扩展了占用预测，通过预测体素网格的遮挡区域；全景场景完成进一步扩展了该任务，还要区分同一类别中的对象实例；这两种情况在路径规划和决策中至关重要。然而，3D全景场景完成目前研究不足。本工作提出了一种 novel 框架用于3D全景场景完成，扩展了现有3D语义场景完成模型。我们提出了对象模块和全景模块，可轻松集成到文献中所述的3D占用和场景完成方法中。我们的做法利用占用基准测试中可用的标注，允许将对象形状作为可微分问题进行学习。代码已公开于 https://github.com/nicolamarinello/OffsetOcc。
引用
@article{arxiv.2505.09562,
title = {Camera-Only 3D Panoptic Scene Completion for Autonomous Driving through Differentiable Object Shapes},
author = {Nicola Marinello and Simen Cassiman and Jonas Heylen and Marc Proesmans and Luc Van Gool},
journal= {arXiv preprint arXiv:2505.09562},
year = {2025}
}
备注
Accepted to CVPR 2025 Workshop on Autonomous Driving