DeFlow: 自动驾驶中的场景流网络解码器
计算机视觉与模式识别
2024-01-30 v1 机器人学
摘要
场景流估计通过预测场景中点的运动来确定场景的3D运动场，尤其有助于自动驾驶中的任务。许多以大规模点云为输入的网络使用体素化来创建伪图像以实现实时运行。然而，体素化过程常常导致点特定特征的丢失。这给恢复这些特征用于场景流任务带来了挑战。我们的论文引入了DeFlow，它通过门控循环单元（GRU）细化实现了从体素特征到点特征的转换。为了进一步提升场景流估计性能，我们设计了一个新颖的损失函数，该函数考虑了静态点和动态点之间的数据不平衡。在Argoverse 2场景流任务上的评估表明，DeFlow在大规模点云数据上取得了最先进的结果，证明了我们的网络相比其他网络具有更好的性能和效率。代码已在 https://github.com/KTH-RPL/deflow 开源。
引用
@article{arxiv.2401.16122,
title = {DeFlow: Decoder of Scene Flow Network in Autonomous Driving},
author = {Qingwen Zhang and Yi Yang and Heng Fang and Ruoyu Geng and Patric Jensfelt},
journal= {arXiv preprint arXiv:2401.16122},
year = {2024}
}
备注
7 pages, 4 figures, Code check https://github.com/KTH-RPL/deflow, accepted by ICRA 2024