面向基于LiDAR的3D运动物体分割的高效时空信息融合
计算机视觉与模式识别
2022-07-06 v1 机器人学
摘要
准确的运动物体分割是自动驾驶的一项关键任务。它可为许多下游任务（如避障、路径规划和静态地图构建）提供有效信息。如何有效利用时空信息是基于LiDAR的3D运动物体分割（LiDAR-MOS）的一个关键问题。在本工作中，我们提出了一种新颖的深度神经网络，利用时空信息以及LiDAR扫描的不同表示模态来提升LiDAR-MOS性能。具体而言，我们首先使用基于距离图像的双分支结构分别处理可从连续LiDAR扫描中获得的空间和时间信息，随后使用运动引导注意力模块将它们结合。我们还通过3D稀疏卷积使用点精炼模块来融合来自LiDAR距离图像和点云表示的信息，并减少物体边界上的伪影。我们在SemanticKITTI的LiDAR-MOS基准上验证了所提方法的有效性。我们的方法在LiDAR-MOS IoU方面显著优于最先进的方法。得益于所设计的由粗到精架构，我们的方法以传感器帧率在线运行。我们方法的实现作为开源代码提供于：https://github.com/haomo-ai/MotionSeg3D。
引用
@article{arxiv.2207.02201,
title = {Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation},
author = {Jiadai Sun and Yuchao Dai and Xianjing Zhang and Jintao Xu and Rui Ai and Weihao Gu and Xieyuanli Chen},
journal= {arXiv preprint arXiv:2207.02201},
year = {2022}
}
备注
Accepted by IROS2022. Code: https://github.com/haomo-ai/MotionSeg3D