基于自动标注 LiDAR 序列训练数据的人体分割与速度估计学习

本文提出一种用于点云人体分割与速度估计的自动标注序列数据生成流水线。考虑到深度神经网络的影响，已有最先进的网络架构被提出用于利用光探测与测距（LiDAR）捕获的点云进行人体识别。然而，一个缺点是遗留数据集可能仅覆盖图像域而未提供重要的标注信息，这一局限阻碍了迄今的研究进展。因此，我们开发了自动标注序列数据生成流水线，其中可控制任意参数或数据生成环境，并提供逐像素、逐帧的地面真值分割以及用于人体识别的逐像素速度信息。我们的方法使用精确人体模型并复现精确运动以生成逼真的人工数据。我们给出了由所提流水线生成的 7000 余段视频序列，每段含 32 帧。借助所提序列生成器，我们确认使用视频域相比图像域可提升人体分割性能。我们还通过与不同条件下生成的数据比较来评估我们的数据。此外，我们仅利用所提流水线生成的数据，通过 LiDAR 估计行人速度。