ElC-OIS：基于椭球聚类的激光雷达开放世界实例分割
机器人学
2023-03-09 v1 计算机视觉与模式识别
摘要
开放世界实例分割（OIS）是一项具有挑战性的任务，旨在准确分割当前观测中出现的每个对象实例，无论这些实例是否在训练集中被标注。这对于鲁棒自主导航等安全关键应用十分重要。本文提出一种灵活且高效的面向激光雷达点云的 OIS 框架，能够准确分割已知和未知实例（即训练期间见过和未见过的实例类别）。该框架首先利用闭集全景分割网络识别属于已知类的点并去除背景。随后，我们提出一种新颖的椭球聚类方法，更适应激光雷达扫描的特性，并可精确分割未知实例。此外，提出一种扩散搜索方法以处理已知实例中常见的过分割问题。结合这些技术，我们能够对已知和未知实例实现准确分割。我们在 SemanticKITTI 开放世界激光雷达实例分割数据集上评估了该方法。实验结果表明其优于当前最优方法，尤其在关联质量上提升了 10.0%。我们的方法源代码将公开于 https://github.com/nubot-nudt/ElC-OIS。
引用
@article{arxiv.2303.04351,
title = {ElC-OIS: Ellipsoidal Clustering for Open-World Instance Segmentation on LiDAR Data},
author = {Wenbang Deng and Kaihong Huang and Qinghua Yu and Huimin Lu and Zhiqiang Zheng and Xieyuanli Chen},
journal= {arXiv preprint arXiv:2303.04351},
year = {2023}
}