FIDNet：基于全插值解码的LiDAR点云语义分割

将点云投影到二维球面距离图像上，可将LiDAR语义分割转化为距离图像上的二维分割任务。然而，LiDAR距离图像本质上仍不同于常规的二维RGB图像；例如，距离图像上的每个位置都编码了独特的几何信息。在本文中，我们提出一种新的基于投影的LiDAR语义分割流程，该流程包含一个新颖的网络结构和一个高效的后处理步骤。在我们的网络结构中，我们设计了一个FID（全插值解码）模块，该模块使用双线性插值直接上采样多分辨率特征图。受PointNet++中使用的三维距离插值启发，我们认为此FID模块是 $(\theta, \phi)$ 空间上的二维版本距离插值。作为一个无参数解码模块，FID在保持良好性能的同时大幅降低了模型复杂度。除了网络结构，我们通过经验发现，我们的模型预测在不同语义类别之间具有清晰的边界。这促使我们重新思考广泛使用的K近邻后处理对我们的流程是否仍然必要。随后，我们意识到多对一映射会导致模糊效应，即一些点被映射到同一像素并共享同一标签。因此，我们提出通过为这些被遮挡点分配最近的预测标签来处理它们。在消融研究中，这种NLA（最近标签分配）后处理步骤展现出比KNN更好的性能，且推理速度更快。在SemanticKITTI数据集上，我们的流程在分辨率为 $64 \times 2048$ 的所有基于投影的方法以及所有逐点解决方案中均取得了最佳性能。以ResNet-34为骨干网络，我们模型的训练和测试均可在单块11G显存的RTX 2080 Ti上完成。代码已发布。