SegNet4D：用于LiDAR点云的高效实例感知4D语义分割
计算机视觉与模式识别
2024-12-04 v3
摘要
4D LiDAR语义分割，也称为多扫描语义分割，在增强自动驾驶车辆或机器人环境理解能力方面发挥着关键作用。它对每个LiDAR测量点的语义类别进行分类，并检测其是否为动态，这是诸如障碍规避和自动导航等任务的关键能力。现有方法常依赖计算密集型4D卷积或递归网络，导致实际性能差，难以用于在线机器人和自动驾驶应用。在本文中，我们引入SegNet4D，一种为提供高效性和强语义理解能力的实时4D语义分割网络。SegNet4D将4D分割视为两个任务：单扫描语义分割和动态物体分割，分别由单独的网络头解决。将两个结果在运动-语义融合模块中组合，以实现全面的4D分割。此外，提取当前扫描的实例信息并用于实例级分割一致性。我们的方法在多扫描语义分割和动态物体分割方面均超越了最先进的方法，同时提供更好的效率，实现实时运行。此外，其在真实世界无人机平台上的有效性和效率也得到了验证。我们的代码将在https://github.com/nubot-nudt/SegNet4D上发布。
引用
@article{arxiv.2406.16279,
title = {SegNet4D: Efficient Instance-Aware 4D Semantic Segmentation for LiDAR Point Cloud},
author = {Neng Wang and Ruibin Guo and Chenghao Shi and Ziyue Wang and Hui Zhang and Huimin Lu and Zhiqiang Zheng and Xieyuanli Chen},
journal= {arXiv preprint arXiv:2406.16279},
year = {2024}
}
备注
10 pages, 8 figures