FASTC：面向点云语义可遍历性分类的快速注意力框架
计算机视觉与模式识别
2024-06-25 v1
摘要
生成可遍历性图和理解周围环境是自主导航的关键前提。本文针对点云的可遍历性评估问题提出了方法。我们提出了一种新型的柱形特征提取模块，该模块利用 PointNet 从垂直体积中组织的点云捕获特征，并采用 2D 编码器-解码器结构进行可遍历性分类，而不是广泛使用的 3D 卷积。这在降低计算成本的同时，还实现了更好的性能。随后，我们提出了新的时空注意力模块来融合多帧信息，该模块能够妥善处理激光雷达点云的变密度问题，并使其能够更准确地评估远距离区域。针对增强版 Semantic KITTI 和 RELLIS-3D 数据集进行的全面实验结果表明，我们的方法在定性和定量分析方面均优于现有方法。
引用
@article{arxiv.2406.16564,
title = {FASTC: A Fast Attentional Framework for Semantic Traversability Classification Using Point Cloud},
author = {Yirui Chen and Pengjin Wei and Zhenhuan Liu and Bingchao Wang and Jie Yang and Wei Liu},
journal= {arXiv preprint arXiv:2406.16564},
year = {2024}
}
备注
Accepted to ECAI2023 Our code is publicly available at [this](https://github.com/chenyirui/FASTC)