无地面化：面向遥感目标检测的障碍物感知点云压缩

高效点云（Point Cloud, PC）压缩对于流式应用至关重要，例如增强现实和协作感知。经典的点云压缩技术对帧中的所有点进行编码。将压缩针对接收端的感知任务进行优化，我们提出问题："在不牺牲检测性能的情况下，能否在传输过程中删除地面点？"我们的研究揭示，尤其是处于目标下方和周围的点，对当前最先进（SOTA）3D 对象检测模型具有强大的地面依赖性。在本文中，我们提出了一种轻量级障碍物感知基于柱形的地面移除（Obstacle-aware Pillar-based Ground Removal, PGR）算法。PGR 过滤掉不提供目标识别上下文的地面点，显著提高压缩比率而不牺牲接收端的感知性能。不使用重型对象检测或语义分割模型，PGR 轻便、高度可并行且有效。我们的评估在 KITI 和 Waymo Open 数据集上表明，SOTA 检测模型在 PGR 移除20%-30%的点后，检测性能良好，推理速度提升至86 FPS。