RAPiD-Seg：用于 3D LiDAR 分割的范围感知点阵距离分布网络
计算机视觉与模式识别
2024-11-05 v3 机器学习
机器人学
摘要
3D 点云在户外场景感知中发挥着关键作用，尤其是在自动驾驶的语境下。最近在 3D LiDAR 分割方面的进展通常高度关注点的空间位置和分布，以实现准确的分割。然而，这些方法虽然在可变条件下稳健，但因仅依赖坐标和点强度，导致等距不变性差，分割效果不佳。为解决这一挑战，我们的工作引入了范围感知点阵距离分布（RAPiD）特征及其关联的 RAPiD-Seg 架构。我们的 RAPiD 特征表现出刚性变换不变性，能有效适应点密度的变化，设计时注重捕获相邻结构的局部几何。它们利用 LiDAR 本身的各向同性辐射和语义分类，实现更好的局部表示和计算效率，同时纳入 4D 距离度量，将几何和表面材料反射率相结合，以提高语义分割性能。为有效地嵌入高维 RAPiD 特征，我们提出了双嵌套自编码器结构，搭配一种新颖的类别感知嵌入目标，将高维特征编码为可管理的体素级嵌入。此外，我们提出了 RAPiD-Seg 集成通道注意力融合和两个有效的 RAPiD-Seg 变体，进一步优化嵌入以提升性能和泛化能力。我们的方法在 SemanticKITTI（76.1）和 nuScenes（83.6）数据集上在 mIoU 指标上优于当代 LiDAR 分割工作。
引用
@article{arxiv.2407.10159,
title = {RAPiD-Seg: Range-Aware Pointwise Distance Distribution Networks for 3D LiDAR Segmentation},
author = {Li Li and Hubert P. H. Shum and Toby P. Breckon},
journal= {arXiv preprint arXiv:2407.10159},
year = {2024}
}
备注
ECCV 2024 (Oral); 18 pages, 6 figures, 7 tables; Code at https://github.com/l1997i/rapid_seg