SalsaNet：用于自动驾驶中激光雷达点云快速道路与车辆分割的网络
计算机视觉与模式识别
2020-05-07 v1 机器人学
摘要
本文介绍一种名为SalsaNet的深度编码器-解码器网络，用于三维激光雷达点云的高效语义分割。SalsaNet通过采用点云的鸟瞰图（BEV）图像投影，对场景中的道路（即可行驶自由空间）和车辆进行分割。为克服标注点云数据尤其是道路段标注的缺乏，我们引入一种自动标注过程，将相机自动生成的标签转移到激光雷达。我们还通过比较BEV与球面前视图投影，探讨了激光雷达数据的类图像投影在语义分割中的作用，并表明SalsaNet与投影方式无关。我们在KITTI数据集上进行了定量和定性评估，表明所提出的SalsaNet在准确率和计算时间上优于其他最先进的语义分割网络。我们的代码和数据公开于https://gitlab.com/aksoyeren/salsanet.git。
引用
@article{arxiv.1909.08291,
title = {SalsaNet: Fast Road and Vehicle Segmentation in LiDAR Point Clouds for Autonomous Driving},
author = {Eren Erdal Aksoy and Saimir Baci and Selcuk Cavdar},
journal= {arXiv preprint arXiv:1909.08291},
year = {2020}
}