面向自动驾驶车辆的多视角结构卷积网络用于域无关点云识别
计算机视觉与模式识别
2025-11-14 v5
摘要
点云表示最近在计算机视觉领域成为研究热点，已被用于自动驾驶车辆。然而，适应深度学习网络进行点云数据识别具有挑战，由于数据集和传感器技术的差异。这一差异凸显了在不同条件下保持准确性的必要性。本文提出了多视角结构卷积网络 (MSCN)，用于域无关点云识别。MSCN 包含结构卷积层 (SCL)，从点云中提取局部上下文几何特征，以及结构聚合层 (SAL)，从点云中提取和聚合局部和整体上下文特征。此外，MSCN 通过在源域上生成的不可见域点云上进行训练，增强了特征的鲁棒性，从而使模型获得域无关表示。广泛的跨域实验表明，MSCN 在平均准确率上达到 82.0%，超过强基线 PointTransformer 提升了 15.8%，证明了其在现实域迁移下的有效性。我们的代码已公开于 https://github.com/MLMLab/MSCN。
引用
@article{arxiv.2501.16289,
title = {Multi-view Structural Convolution Network for Domain-Invariant Point Cloud Recognition of Autonomous Vehicles},
author = {Younggun Kim and Mohamed Abdel-Aty and Beomsik Cho and Seonghoon Ryoo and Soomok Lee},
journal= {arXiv preprint arXiv:2501.16289},
year = {2025}
}
备注
16 pages, 6 figures