PolarMix：一种通用的 LiDAR 点云数据增强技术
计算机视觉与模式识别
2022-08-02 v1 人工智能
机器学习
摘要
LiDAR 点云通常由旋转式 LiDAR 传感器连续扫描获取，可精确捕捉周围环境的几何结构，对许多自主检测与导航任务至关重要。尽管已开发了许多 3D 深度架构，大规模点云的高效采集与标注仍是点云数据分析与理解中的主要挑战之一。本文提出 PolarMix，一种简单且通用但能有效缓解不同感知任务与场景下数据受限问题的点云增强技术。PolarMix 通过两种沿扫描方向切割、编辑和混合点云的跨扫描增强策略，丰富了点云分布并保持了点云保真度。其一是场景级交换，即沿方位角轴切割两个 LiDAR 扫描的点云扇区并进行交换。其二是实例级旋转与粘贴，即从某一 LiDAR 扫描中裁剪点实例，将其旋转多个角度（以创建多个副本），并将旋转后的点实例粘贴到其他扫描中。大量实验表明，PolarMix 在不同感知任务与场景下始终取得优越性能。此外，它可作为即插即用的模块用于各种 3D 深度架构，并在无监督域适应中也表现良好。
引用
@article{arxiv.2208.00223,
title = {PolarMix: A General Data Augmentation Technique for LiDAR Point Clouds},
author = {Aoran Xiao and Jiaxing Huang and Dayan Guan and Kaiwen Cui and Shijian Lu and Ling Shao},
journal= {arXiv preprint arXiv:2208.00223},
year = {2022}
}