面向资源高效自动驾驶场景分割的引导式模型驱动激光雷达超分辨率
计算机视觉与模式识别
2025-09-03 v1
摘要
高分辨率激光雷达数据在自动驾驶的3D语义分割中起着关键作用，但先进传感器的高成本限制其大规模部署。相比之下，16线激光雷达等低成本传感器产生的稀疏点云会降低分割精度。为克服这一问题，我们提出了首个联合处理激光雷达超分辨率（SR）与语义分割的端到端框架。该框架在训练过程中采用联合优化，使超分辨率模块能够融入语义线索并保留精细细节，尤其针对较小物体类别。一种新的超分辨率损失函数进一步引导网络关注感兴趣区域。所提出的轻量级、基于模型的超分辨率架构使用的参数远少于现有激光雷达超分辨率方法，同时易于与分割网络兼容。实验表明，我们的方法所达到的分割性能可与在昂贵的高分辨率64线激光雷达数据上运行的模型相媲美。
引用
@article{arxiv.2509.01317,
title = {Guided Model-based LiDAR Super-Resolution for Resource-Efficient Automotive scene Segmentation},
author = {Alexandros Gkillas and Nikos Piperigkos and Aris S. Lalos},
journal= {arXiv preprint arXiv:2509.01317},
year = {2025}
}