面向移动机器人的三维点云多视角增量式分割
机器人学
2019-02-20 v1
摘要
移动机器人需要为远程监视和基础设施测绘等应用创建环境的高清三维地图。对所获取三维点云的准确语义处理，对于使机器人获得对周围物体的高层理解并进行情境感知决策至关重要。现有的点云语义分割技术大多基于单帧或离线方式，无法随时间集成分割结果。本文提出一种在线方法，使移动机器人以增量方式构建环境的高语义三维点云。所提出的深度神经网络 MCPNet 被训练以增量方式预测所扫描点云中每个点的类别标签和物体实例标签。采用多视角上下文池化（MCP）算子融合从多个视角获取的点特征，以提高分类精度。所提架构在基于 Stanford 3D Indoor Spaces 数据集生成的射线追踪扫描数据上训练和评估。结果表明，与次优的在线方法相比，所提方法在点级精度上提升 15%，在 NMI 上提升 7%，且仅比基于 PointNet 的离线方法精度低 6%。
引用
@article{arxiv.1902.06768,
title = {Multi-view Incremental Segmentation of 3D Point Clouds for Mobile Robots},
author = {Jingdao Chen and Yong K. Cho and Zsolt Kira},
journal= {arXiv preprint arXiv:1902.06768},
year = {2019}
}