KPRNet：改进基于投影的 LiDAR 语义分割
计算机视觉与模式识别
2020-08-24 v2 机器学习
摘要
语义分割是自动驾驶车辆感知系统中的一个重要组成部分。在这项工作中，我们采用图像和点云分割领域的最新进展，以在 LiDAR 扫描分割任务中实现更高的精度。KPRNet 改进了二维投影方法的卷积神经网络架构，并利用 KPConv 以一个可学习的逐点组件替代了常用的后处理技术，这使我们能够获得更精确的三维标签。凭借这些改进，我们的模型在 SemanticKITTI 基准测试中超越了当前的最佳方法，达到了 63.1 的 mIoU。
引用
@article{arxiv.2007.12668,
title = {KPRNet: Improving projection-based LiDAR semantic segmentation},
author = {Deyvid Kochanov and Fatemeh Karimi Nejadasl and Olaf Booij},
journal= {arXiv preprint arXiv:2007.12668},
year = {2020}
}
备注
"ECCV 2020. Code and pre-trained models at https://github.com/DeyvidKochanov-TomTom/kprnet"