PotholeGuard：一种基于点云语义分割的坑洞检测方法
计算机视觉与模式识别
2024-09-01 v1 人工智能
机器学习
摘要
坑洞检测对道路安全与养护至关重要，传统上依赖 2D 图像分割。然而，现有 3D 语义坑洞分割研究常忽视点云稀疏性，导致局部特征捕获与分割精度欠佳。我们的研究提出了一种创新的基于点云的坑洞分割架构。我们的模型高效识别隐藏特征并利用反馈机制增强局部特性，改善特征表达。我们引入局部关系学习模块以理解局部形状关系，增强结构洞察。此外，我们提出一种轻量自适应结构，利用 K 近邻算法精炼局部点特征，解决点云密度差异与域选择问题。集成共享 MLP Pooling 以学习深度聚合特征，促进语义数据探索与分割引导。在三个公开数据集上的大量实验证实了 PotholeGuard 优于 SOTA 方法的性能。我们的方法为鲁棒且精确的 3D 坑洞分割提供了有前景的解决方案，可应用于道路养护与安全。
引用
@article{arxiv.2311.02641,
title = {PotholeGuard: A Pothole Detection Approach by Point Cloud Semantic Segmentation},
author = {Sahil Nawale and Dhruv Khut and Daksh Dave and Gauransh Sawhney and Pushkar Aggrawal and Kailas Devadakar},
journal= {arXiv preprint arXiv:2311.02641},
year = {2024}
}
备注
6 pages, 6 figures, 3 tables