PolarNet：一种用于在线 LiDAR 点云语义分割的改进网格表示
计算机视觉与模式识别
2020-04-28 v2
摘要
自动驾驶系统对细粒度感知的需求促使近期关于单次扫描 LiDAR 在线语义分割的研究不断增加。尽管出现了新的数据集和技术进步，但由于三个原因，该问题仍然具有挑战性：(1) 在有限的硬件上需要接近实时的延迟；(2) LiDAR 点在空间上的分布不均匀甚至呈长尾分布；以及 (3) 极其细粒度的语义类别数量不断增加。为了联合解决上述所有挑战，我们提出了一种新的特定于 LiDAR 的、无需最近邻的分割算法——PolarNet。我们不再使用常见的球面投影或鸟瞰投影，而是采用极坐标鸟瞰表示，在极坐标系中平衡网格单元间的点分布，从而间接将分割网络的注意力与点沿径向轴的长尾分布对齐。我们发现，在三个截然不同的真实城市 LiDAR 单次扫描分割数据集上，我们的编码方案在保持接近实时吞吐量的同时，大幅提升了 mIoU。
引用
@article{arxiv.2003.14032,
title = {PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation},
author = {Yang Zhang and Zixiang Zhou and Philip David and Xiangyu Yue and Zerong Xi and Boqing Gong and Hassan Foroosh},
journal= {arXiv preprint arXiv:2003.14032},
year = {2020}
}
备注
Accepted by CVPR 2020; Code at https://github.com/edwardzhou130/PolarSeg