LDLS：通过二维图像标签扩散实现的三维目标分割
图像与视频处理
2019-10-31 v1 计算机视觉与模式识别
机器人学
摘要
三维（3-D）点云中的目标分割是具备三维感知能力的机器人的关键任务。尽管基于深度学习的方法在二维图像目标分割上表现令人印象深刻，但深度学习在三维点云分割中的应用远未如此成功。深度网络通常需要大量标注训练数据，这类数据对二维图像易于获取，但对三维点云则难以生成。在本快报中，我们提出标签扩散激光雷达分割（LDLS），一种新颖的三维点云分割方法，其利用来自对齐相机的 RGB 图像的二维分割，从而避免需要在标注的三维数据上训练。我们通过将 Mask-RCNN 应用于 RGB 图像获得二维分割预测，随后通过在三维点与二维像素间建立连接图将该图像与三维激光雷达点云关联。该图随后引导一个半监督标签扩散过程，其中二维像素作为源节点，将目标标签信息扩散至整个三维点云，从而得到完整的三维点云分割。我们在 KITTI 基准数据集与一台移动机器人上进行了实证研究，证明了 LDLS 的广泛适用性与优越性能，优于先前最先进的三维点云分割方法，且无需任何三维训练数据或对二维图像分割模型进行微调。
引用
@article{arxiv.1910.13955,
title = {LDLS: 3-D Object Segmentation Through Label Diffusion From 2-D Images},
author = {Brian H. Wang and Wei-Lun Chao and Yan Wang and Bharath Hariharan and Kilian Q. Weinberger and Mark Campbell},
journal= {arXiv preprint arXiv:1910.13955},
year = {2019}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters with presentation at IROS 2019