CPGNet：用于实时 LiDAR 语义分割的级联点-栅格融合网络
计算机视觉与模式识别
2022-06-07 v3
摘要
对高级自动驾驶至关重要的 LiDAR 语义分割需准确、快速且易于在移动平台上部署。以往基于点或无序体素的方法因采用耗时的邻域搜索或稀疏 3D 卷积，远不能满足实时应用。近期基于 2D 投影的方法（包括距离视图和多视图融合）可实时运行，但因 2D 投影中的信息损失而精度较低。此外，为提升性能，以往方法通常采用测试时增强（TTA），进一步拖慢推理过程。为获得更好的速度-精度权衡，我们提出级联点-栅格融合网络（CPGNet），主要通过以下两项技术确保有效与高效：1）新颖的点-栅格（PG）融合块为效率主要在 2D 投影栅格上提取语义特征，同时在 3D 点上汇总 2D 与 3D 特征以最小化信息损失；2）所提变换一致性损失缩小了单次模型推理与 TTA 之间的差距。在 SemanticKITTI 和 nuScenes 基准上的实验表明，无集成模型或 TTA 的 CPGNet 可与 state-of-the-art（最优）的 RPVNet 相媲美，同时运行速度快 4.7 倍。
引用
@article{arxiv.2204.09914,
title = {CPGNet: Cascade Point-Grid Fusion Network for Real-Time LiDAR Semantic Segmentation},
author = {Xiaoyan Li and Gang Zhang and Hongyu Pan and Zhenhua Wang},
journal= {arXiv preprint arXiv:2204.09914},
year = {2022}
}
备注
Accepted in the 2022 IEEE International Conference on Robotics and Automation (ICRA 2022)