用于 LiDAR 分割的柱面与非对称 3D 卷积网络
计算机视觉与模式识别
2020-11-20 v1
摘要
用于大规模驾驶场景 LiDAR 分割的最先进方法通常将点云投影到 2D 空间，然后通过 2D 卷积处理。尽管这种结合在点云上表现出竞争力，但它不可避免地改变并舍弃了 3D 拓扑与几何关系。一种自然的补救是使用 3D 体素化与 3D 卷积网络。然而，我们发现，在室外点云中，以此方式获得的提升相当有限。一个重要原因是室外点云的特性，即稀疏性与密度变化。受此调研启发，我们提出了一种用于室外 LiDAR 分割的新框架，其中设计了柱面划分与非对称 3D 卷积网络，以在保持这些固有特性的同时探索 3D 几何模式。此外，引入了逐点细化模块以缓解基于体素的标签编码有损带来的干扰。我们在两个大规模数据集（即 SemanticKITTI 和 nuScenes）上评估了所提模型。我们的方法在 SemanticKITTI 的排行榜上取得第 1 名，并以约 4% 的显著优势在 nuScenes 上优于现有方法。此外，所提出的 3D 框架也能很好地推广到 LiDAR 全景分割与 LiDAR 3D 检测。
引用
@article{arxiv.2011.10033,
title = {Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation},
author = {Xinge Zhu and Hui Zhou and Tai Wang and Fangzhou Hong and Yuexin Ma and Wei Li and Hongsheng Li and Dahua Lin},
journal= {arXiv preprint arXiv:2011.10033},
year = {2020}
}
备注
This work achieves the 1st place in the leaderboard of SemanticKITTI (until CVPR DDL) and based on this work, we also achieve the 1st place in the leaderboard of SemanticKITTI panoptic segmentation; Code at https://github.com/xinge008/Cylinder3D