PanoSSC：探索单目全景 3D 场景重建用于自动驾驶

视角中心的占据网络代表了一种以统一体素表示周围环境的趋势，这对于仅依赖摄像头的自动驾驶感知系统的安全行驶至关重要，因为它们能够检测任何形状和遮挡的障碍物。现代占据网络主要专注于从物体表面重建可见体素并进行体素级语义预测。通常情况下，它们会受到一个物体预测不一致以及相邻物体混合预测的困扰。这种混淆可能对下游规划模块造成安全隐患。为此，我们调查 3D 体素场景上的全景分割，提出一种实例感知的占据网络 PanoSSC。我们分别预测前景物体和背景，并在后处理阶段将两者合并。对于前景实例分组，我们提出了一种新颖的 3D 实例掩码解码器，可高效提取单个物体。我们将几何重建、3D 语义分割和 3D 实例分割统一整合到 PanoSSC 框架中，并提出新的指标用于评估全景体素。广泛的实验表明，我们的方法在 SemanticKITI 语义场景完成基准测试上实现了具竞争力的结果。