Meta-RangeSeg：基于多特征聚合的激光雷达序列语义分割
计算机视觉与模式识别
2022-09-16 v3 机器人学
摘要
激光雷达传感器对于自动驾驶车辆和智能机器人的感知系统至关重要。为满足实际应用场景中的实时性需求，必须高效地对激光雷达扫描进行分割。以往多数方法直接将三维点云投影到二维球面距离图像上，从而利用高效的二维卷积操作进行图像分割。尽管取得了令人鼓舞的结果，球面投影中邻域信息并未得到良好保留。此外，单帧扫描分割任务中未考虑时间信息。为解决这些问题，我们提出一种名为Meta-RangeSeg的激光雷达序列语义分割新方法，其中引入一种新的距离残差图像表示来捕获时空信息。具体而言，采用Meta-Kernel提取元特征，减少了二维距离图像坐标输入与三维笛卡尔坐标输出之间的不一致性。使用高效的U-Net骨干网络获取多尺度特征。此外，特征聚合模块(FAM)强化了距离通道的作用并聚合了不同层级的特征。我们在SemanticKITTI和SemanticPOSS上进行了广泛的性能评估实验。有前景的结果表明，我们提出的Meta-RangeSeg方法比现有方法更高效且更有效。我们的完整实现已公开于https://github.com/songw-zju/Meta-RangeSeg。
引用
@article{arxiv.2202.13377,
title = {Meta-RangeSeg: LiDAR Sequence Semantic Segmentation Using Multiple Feature Aggregation},
author = {Song Wang and Jianke Zhu and Ruixiang Zhang},
journal= {arXiv preprint arXiv:2202.13377},
year = {2022}
}
备注
Accepted by RA-L with IROS 2022