重新思考用于激光雷达分割的距离视图表示
计算机视觉与模式识别
2023-09-06 v3 机器人学
摘要
激光雷达分割对于自动驾驶感知至关重要。近期的趋势倾向于基于点或基于体素的方法，因为它们通常比传统的距离视图表示取得更好的性能。在这项工作中，我们揭示了构建强大距离视图模型的几个关键因素。我们观察到“多对一”映射、语义不一致和形状变形可能是阻碍从距离视图投影中有效学习的因素。我们提出 RangeFormer——一个全周期框架，包含网络架构、数据增强和后处理方面的新颖设计——能更好地从距离视图处理和学习的激光雷达点云。我们进一步引入一种可扩展的距离视图训练（STR）策略，该策略在任意低分辨率 2D 距离图像上训练，同时仍保持令人满意的 3D 分割精度。我们表明，距离视图方法首次能够在竞争的激光雷达语义和全景分割基准，即 SemanticKITTI、nuScenes 和 ScribbleKITTI 上超越点、体素和多视图融合的对应方法。
引用
@article{arxiv.2303.05367,
title = {Rethinking Range View Representation for LiDAR Segmentation},
author = {Lingdong Kong and Youquan Liu and Runnan Chen and Yuexin Ma and Xinge Zhu and Yikang Li and Yuenan Hou and Yu Qiao and Ziwei Liu},
journal= {arXiv preprint arXiv:2303.05367},
year = {2023}
}
备注
ICCV 2023; 24 pages, 10 figures, 14 tables; Webpage at https://ldkong.com/RangeFormer