HiMo: 点云中高速物体运动补偿
计算机视觉与模式识别
2025-12-02 v3 机器人学
摘要
LiDAR 点云对于自动驾驶车辆至关重要，但来自动态物体的运动畸变会降低数据质量。虽然先前工作考虑了由自车运动引起的畸变，但由其他运动物体引起的畸变在很大程度上被忽视，导致物体形状和位置出现错误。这种畸变在高速环境（如高速公路）以及多 LiDAR 配置（重型车辆的常见配置）中尤为明显。为应对这一挑战，我们引入了 HiMo，一个将场景流估计重新用于非自车运动补偿的流水线，以校正点云中动态物体的表示。在 HiMo 的开发过程中，我们观察到现有的自监督场景流估计器在高速畸变下往往产生退化或不一致的估计。我们进一步提出了 SeFlow++，一个实时场景流估计器，在场景流和运动补偿方面均达到了最先进性能。由于文献中缺乏成熟的运动畸变评估指标，我们引入了两个评估指标：点级补偿精度和物体形状相似性。我们通过 Argoverse 2、ZOD 以及一个新收集的包含高速公路驾驶和多 LiDAR 配备重型车辆的真实世界数据集对 HiMo 进行了广泛验证。我们的结果表明，HiMo 提升了点云中动态物体的几何一致性和视觉保真度，使语义分割和 3D 检测等下游任务受益。更多细节请参见 https://kin-zhang.github.io/HiMo。
引用
@article{arxiv.2503.00803,
title = {HiMo: High-Speed Objects Motion Compensation in Point Clouds},
author = {Qingwen Zhang and Ajinkya Khoche and Yi Yang and Li Ling and Sina Sharif Mansouri and Olov Andersson and Patric Jensfelt},
journal= {arXiv preprint arXiv:2503.00803},
year = {2025}
}
备注
15 pages, 13 figures, Published in Transactions on Robotics (Volume 41)