MVP-Net：大规模点云的多视角逐点语义分割
计算机视觉与模式识别
2022-06-01 v4 人工智能
摘要
3D 点云语义分割是自动驾驶环境感知的一项基本任务。大多数逐点云语义分割方法的流程包括点采样、邻域搜索、特征聚合和分类。诸如 K 近邻算法（KNN）之类的邻域搜索方法已被广泛应用。然而，KNN 的复杂度始终是效率瓶颈。本文中，我们提出一种端到端神经架构，多视角逐点网络（MVP-Net），可在无 KNN 或任何复杂前/后处理的情况下高效且直接地推断大规模室外点云。相反，引入了基于假设的空间填充曲线和点云多旋转方法用于点特征聚合和感受野扩展。数值实验表明，所提 MVP-Net 比最高效的逐点语义分割方法 RandLA-Net 快 11 倍，并在大规模基准 SemanticKITTI 数据集上达到相同准确率。
引用
@article{arxiv.2201.12769,
title = {MVP-Net: Multiple View Pointwise Semantic Segmentation of Large-Scale Point Clouds},
author = {Chuanyu Luo and Xiaohan Li and Nuo Cheng and Han Li and Shengguang Lei and Pu Li},
journal= {arXiv preprint arXiv:2201.12769},
year = {2022}
}