基于毫米波雷达稀疏点云的人体语义分割
计算机视觉与模式识别
2023-05-01 v2 人工智能
一般拓扑
摘要
本文提出一种针对毫米波雷达稀疏序贯点云的语义分割框架。与相机和激光雷达相比，毫米波雷达具有不泄露隐私、抗干扰能力强和探测距离远的优点。毫米波数据的稀疏性及时间-拓扑特征捕获仍是一问题。然而，在人体语义分割任务下捕获时间-拓扑耦合特征的问题，阻碍了先前先进分割方法（如 PointNet、PointCNN、Point Transformer）在实际场景中的良好应用。为应对数据稀疏性与时间-拓扑特征带来的挑战，我们（i）将点云引入图结构与拓扑特征，（ii）提出包含全局特征提取模块与序贯特征提取模块的语义分割框架。此外，基于图聚类我们设计了更高效且更契合的损失函数以获得更好的训练过程与分割结果。实验上，我们在自定义数据集上部署了代表性语义分割算法（Transformer、GCNN 等）。实验结果表明，我们的模型在自定义数据集上达到 平均精度，优于当前最优算法。 moreover，为验证模型鲁棒性，我们将模型部署于知名 S3DIS 数据集。在 S3DIS 数据集上，我们的模型达到 平均精度，优于基线算法。
引用
@article{arxiv.2304.14132,
title = {Human Semantic Segmentation using Millimeter-Wave Radar Sparse Point Clouds},
author = {Pengfei Song and Luoyu Mei and Han Cheng},
journal= {arXiv preprint arXiv:2304.14132},
year = {2023}
}