PointSeg：基于 3D 激光雷达点云的实时语义分割
计算机视觉与模式识别
2018-09-26 v8
摘要
本文提出 PointSeg，一种基于球面图像、面向道路物体的实时端到端语义分割方法。我们将由 3D 激光雷达点云变换得到的球面图像作为卷积神经网络（CNNs）的输入，以预测逐点语义图。为使 PointSeg 适用于移动系统，我们基于轻量级网络 SqueezeNet 构建模型并做了若干改进。它在内存开销与预测性能之间保持了良好平衡。我们的模型在由 KITTI 3D 目标检测数据集投影得到的球面图像和标签掩码上训练。实验表明，PointSeg 在单块 GPU 1080ti 上以 90fps 取得具有竞争力的精度，这使其非常适用于自动驾驶应用。
引用
@article{arxiv.1807.06288,
title = {PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud},
author = {Yuan Wang and Tianyue Shi and Peng Yun and Lei Tai and Ming Liu},
journal= {arXiv preprint arXiv:1807.06288},
year = {2018}
}
备注
Video link: https://youtu.be/b1BAbcjJ10s code link: https://github.com/ywangeq/PointSeg