RangeSeg：面向3D激光雷达点云的距离感知实时分割
计算机视觉与模式识别
2022-05-04 v1 机器学习
摘要
基于3D激光雷达点云的室外场景语义理解由于数据结构的稀疏和不规则，对自动驾驶而言是一项具有挑战性的任务。本文利用不同激光雷达激光束不均匀的距离分布，提出了一种距离感知的实例分割网络RangeSeg。RangeSeg使用一个共享编码器主干与两个距离相关的解码器。一个重解码器仅计算距离图像的上部，即远处和小物体所在位置，以提高小物体检测精度；一个轻解码器计算整个距离图像以降低成本计算量。结果进一步由DBSCAN方法结合分辨率加权距离函数进行聚类，得到实例级分割结果。在KITTI数据集上的实验表明，RangeSeg以极大的加速优于最先进的语义分割方法，并提升了小物体和远处物体的实例级分割性能。整个RangeSeg流程在NVIDIA® JETSON AGX Xavier上以平均每秒19帧满足实时要求。
引用
@article{arxiv.2205.01570,
title = {RangeSeg: Range-Aware Real Time Segmentation of 3D LiDAR Point Clouds},
author = {Tzu-Hsuan Chen and Tian Sheuan Chang},
journal= {arXiv preprint arXiv:2205.01570},
year = {2022}
}
备注
10 pages, 7 figures. IEEE Transactions on Intelligent Vehicles (2021)