InsMOS：激光雷达数据中的实例感知运动目标分割

识别运动物体是自主导航、一致地图生成以及物体未来轨迹预测的关键能力。本文提出一种新颖的网络，解决三维激光雷达扫描中运动目标分割的挑战。我们的方法不仅预测逐点的运动标签，还检测主要交通参与者的实例信息。这样的设计有助于确定当前场景中哪些实例实际在运动，哪些暂时静止。我们的方法以一系列点云作为输入，并将其量化为4D体素。我们使用4D稀疏卷积从4D体素中提取运动特征，并将其注入当前扫描。然后，我们从当前扫描中提取时空特征以进行实例检测和特征融合。最后，我们设计了一个上采样融合模块，通过融合时空特征和预测的实例信息来输出逐点标签。我们在基于SemanticKITTI的LiDAR-MOS基准上评估了我们的方法，相比最先进的方法取得了更好的运动目标分割性能，证明了我们的方法在整合实例信息用于运动目标分割方面的有效性。此外，我们的方法在Apollo数据集上以SemanticKITTI上的预训练模型展现出优越性能，表明我们的方法在不同场景中具有良好的泛化能力。我们方法的代码和预训练模型将发布于 https://github.com/nubot-nudt/InsMOS。