RIU-Net：极简的3D激光雷达点云语义分割方法
计算机视觉与模式识别
2019-06-18 v3
摘要
本文提出RIU-Net（即Range-Image U-Net），将一种流行的语义分割网络适配用于3D激光雷达点云的语义分割。通过利用传感器的拓扑结构，将点云转换为2D距离图像。该图像随后作为U-net的输入。此架构已在医学图像语义分割任务中证明其有效性。我们展示了它如何也可用于3D激光雷达点云的精确语义分割，以及它如何成为图像处理与3D点云处理之间有效的桥梁。我们的模型在由KITTI 3D目标检测数据集构建的距离图像上训练。实验表明，尽管RIU-Net非常简单，其结果与基于距离图像方法的当前最优（SOTA）水平相当。最后，我们证明该架构能够在单块GPU上以90fps运行，从而支持实时分割的部署。
引用
@article{arxiv.1905.08748,
title = {RIU-Net: Embarrassingly simple semantic segmentation of 3D LiDAR point cloud},
author = {Pierre Biasutti and Aurélie Bugeau and Jean-François Aujol and Mathieu Brédif},
journal= {arXiv preprint arXiv:1905.08748},
year = {2019}
}
备注
This version of the article contains revised scores to match the evaluation process presented in SqueezeSegV2