用于 LiDAR 语义分割的即时域增强
计算机视觉与模式识别
2023-03-28 v1
摘要
尽管 LiDAR 传感器日益普及,使用 3D LiDAR 数据的感知算法仍受困于“传感器偏差问题”。具体而言,由于域差异,当测试时采用未见规格的 LiDAR 传感器,感知算法性能会显著下降。本文提出一种用于语义分割任务的快速且灵活的 LiDAR 增强方法,称为“LiDomAug”。它聚合原始 LiDAR 扫描,并考虑动态畸变与遮挡,创建任意配置的 LiDAR 扫描,从而实现即时域增强。我们的按需增强模块以 330 FPS 运行,因此可无缝集成至学习框架的数据加载器中。实验中,借助所提 LiDomAug 的基于学习的方法受传感器偏差问题影响更小,并在 SemanticKITTI 与 nuScenes 数据集上无需目标域数据即取得新的最优域适应性能。我们还提出了一种可忠实工作于多种 LiDAR 配置下的传感器无关模型。
引用
@article{arxiv.2303.14378,
title = {Instant Domain Augmentation for LiDAR Semantic Segmentation},
author = {Kwonyoung Ryu and Soonmin Hwang and Jaesik Park},
journal= {arXiv preprint arXiv:2303.14378},
year = {2023}
}
备注
Accepted to CVPR 2023. Project page: http://cvlab.postech.ac.kr/research/LiDomAug