面向 3D LiDAR 点云实时语义分割的多投影融合
计算机视觉与模式识别
2020-11-09 v2
摘要
3D 点云数据的语义分割对于自动驾驶平台增强的高层感知至关重要。此外，鉴于车载和无人机上 LiDAR 传感器部署的日益增多，也特别重视在移动 GPU 上运行的非计算密集型算法。以往高效的前沿方法依赖点云的 2D 球面投影作为 2D 全卷积神经网络的输入，以平衡精度-速度权衡。本文提出了一种新颖的 3D 点云语义分割方法，利用点云的多种投影来缓解单投影方法中固有的信息损失。我们的多投影融合 (MPF) 框架使用两个独立的高效 2D 全卷积模型分析球面投影和鸟瞰投影，然后结合两种视图的分割结果。所提框架在 SemanticKITTI 数据集上进行了验证，取得了 55.5 的 mIoU，高于基于投影的前沿方法 RangeNet++ 和 PolarNet，同时比前者快 1.6 倍、比后者快 3.1 倍。
引用
@article{arxiv.2011.01974,
title = {Multi Projection Fusion for Real-time Semantic Segmentation of 3D LiDAR Point Clouds},
author = {Yara Ali Alnaggar and Mohamed Afifi and Karim Amer and Mohamed Elhelw},
journal= {arXiv preprint arXiv:2011.01974},
year = {2020}
}
备注
Accepted at the 2021 Winter Conference on Applications of Computer Vision (WACV 2021)