基于激光雷达的时序记忆对齐循环三维语义分割
计算机视觉与模式识别
2021-03-04 v1
摘要
理解与解释三维环境是自动驾驶车辆的一项关键挑战。三维点云的语义分割将三维信息与语义相结合，从而为此任务提供有价值的贡献。在许多现实应用中，点云由激光雷达传感器以连续方式生成。处理时间序列而非单帧独立图像可利用时间信息。因此我们提出一种循环分割架构（RNN），其以单帧距离图像作为输入并递归地聚合时间信息。一种我们称之为时序记忆对齐的对齐策略，利用自运动在特征空间中对齐连续帧之间的记忆。我们研究了残差网络与 ConvGRU 用于记忆更新。我们在两个大规模数据集上展示了所提方法的优势，并将其与多种最先进方法进行比较。我们的方法在 SemanticKITTI 多帧扫描基准上排名第一，并在单帧扫描基准上取得最先进性能。此外，评估表明与时间信息的利用相比单帧方法显著改善了分割结果。
引用
@article{arxiv.2103.02263,
title = {LiDAR-based Recurrent 3D Semantic Segmentation with Temporal Memory Alignment},
author = {Fabian Duerr and Mario Pfaller and Hendrik Weigel and Juergen Beyerer},
journal= {arXiv preprint arXiv:2103.02263},
year = {2021}
}