Lite-HDSeg：基于轻量谐波密集卷积的激光雷达语义分割
计算机视觉与模式识别
2021-03-17 v1
摘要
自动驾驶车辆与机器人系统依赖于对其周围环境的准确感知。场景理解是感知模块的关键组成部分之一。在所有可用传感器中，由于激光雷达具有主动传感特性且传感器读数分辨率高，其是自动驾驶系统的基本传感模态之一。需要准确且快速的语义分割方法以充分利用激光雷达传感器进行场景理解。在本文中，我们提出 Lite-HDSeg，一种用于完整 D 激光雷达点云语义分割的新型实时卷积神经网络。Lite-HDSeg 在 SemanticKitti 基准上可实现最佳的精度与计算复杂度权衡，其设计基于一种新的编码器-解码器架构，以轻量谐波密集卷积为核心。此外，我们引入 ICM，一种改进的全域上下文模块以捕获多尺度上下文特征，以及 MCSPN，一种多类空间传播网络以进一步细化语义边界。我们的实验结果表明，所提方法优于可实时运行的现有最优语义分割方法，因此适用于机器人与自动驾驶应用。
引用
@article{arxiv.2103.08852,
title = {Lite-HDSeg: LiDAR Semantic Segmentation Using Lite Harmonic Dense Convolutions},
author = {Ryan Razani and Ran Cheng and Ehsan Taghavi and Liu Bingbing},
journal= {arXiv preprint arXiv:2103.08852},
year = {2021}
}