PillarSegNet：基于柱体的利用稀疏 LiDAR 数据的语义栅格地图估计
计算机视觉与模式识别
2021-07-07 v2 机器人学
摘要
对周围环境的语义理解对自动驾驶车辆至关重要。SemanticKITTI 数据集近期的发布促进了城市场景下 LiDAR 点云语义分割的研究。虽然大多数现有方法针对稀疏输入 LiDAR 扫描预测稀疏的逐点语义类别，我们提出 PillarSegNet 以能够输出稠密语义栅格地图。与先前提出的栅格地图方法不同，PillarSegNet 使用 PointNet 直接从 3D 点云学习特征，然后在俯视图中进行 2D 语义分割。为训练和评估我们的方法，我们同时使用稀疏与稠密真值，其中稠密真值由多个叠加扫描获得。在 SemanticKITTI 数据集上的实验结果表明，PillarSegNet 相较最先进的栅格地图方法取得了约 10% mIoU 的性能提升。
引用
@article{arxiv.2105.04169,
title = {PillarSegNet: Pillar-based Semantic Grid Map Estimation using Sparse LiDAR Data},
author = {Juncong Fei and Kunyu Peng and Philipp Heidenreich and Frank Bieder and Christoph Stiller},
journal= {arXiv preprint arXiv:2105.04169},
year = {2021}
}
备注
Accepted to present in the 2021 IEEE Intelligent Vehicles Symposium (IV21)