基于智能半自动数据标注的铁路 LiDAR 语义分割
计算机视觉与模式识别
2025-06-03 v2 系统与控制
系统与控制
摘要
自动驾驶车辆依赖于对环境的准确和鲁棒的感知。类似地，高度自动化的火车也需要环境感知。尽管在汽车领域有大量基于相机或 LiDAR 传感器的研究，但针对这一任务的贡献在自动火车领域仍很少。此外，尚不存在针对铁路环境下 3D LiDAR 语义分割的公开数据集或描述性方法。因此，我们提出一种基于 2DPass 网络架构的点级 3D 语义分割方法，同时利用扫描数据和图像。在此基础上，我们提出一种半自动智能数据标注方法，用于高效准确地标注德国铁路轨道上记录的数据。为了在标注样本数仍较少的情况下提高性能，我们应用主动学习方法智能选择训练数据集中的扫描数据。我们的贡献有三方面：我们标注了包括相机和 LiDAR 数据在内的铁路环境数据，使用图像分割网络对原始 LiDAR 点云进行标签迁移，并高效地训练一个最新 3D LiDAR 语义分割网络。训练得到的网络在 9 类任务中实现了 71.48% 的平均 IoU。
关键词
引用
@article{arxiv.2410.13383,
title = {Railway LiDAR semantic segmentation based on intelligent semi-automated data annotation},
author = {Florian Wulff and Bernd Schaeufele and Julian Pfeifer and Ilja Radusch},
journal= {arXiv preprint arXiv:2410.13383},
year = {2025}
}
备注
This article has been accepted for publication in the IEEE VTC Fall 2024