基于LiDAR数据局部深度隐式函数的语义场景补全
计算机视觉与模式识别
2021-04-14 v3 机器学习
摘要
语义场景补全是指在给定范围内联合估计物体和表面的3D几何与语义的任务。这在稀疏且有遮挡的真实世界数据上是一项极具挑战性的任务。我们提出了一种基于局部深度隐式函数的场景分割网络，作为一种新颖的基于学习的场景补全方法。与以往的场景补全工作不同，我们的方法产生不基于体素化的连续场景表示。我们将原始点云在局部以多种空间分辨率编码到潜在空间中。随后，从局部化的函数块组装出全局场景补全函数。我们表明，这种连续表示适合对广阔的室外场景的几何和语义属性进行编码，而无需空间离散化（从而避免了场景细节级别与可覆盖场景范围之间的权衡）。我们在来自 Semantic KITTI 数据集的带有语义标注的 LiDAR 扫描上训练并评估了我们的方法。我们的实验验证了我们的方法生成了强大的表示，可以解码为给定场景的密集3D描述。在几何补全交并比方面，我们方法的性能超越了 Semantic KITTI 场景补全基准上的现有技术。
引用
@article{arxiv.2011.09141,
title = {Semantic Scene Completion using Local Deep Implicit Functions on LiDAR Data},
author = {Christoph B. Rist and David Emmerichs and Markus Enzweiler and Dariu M. Gavrila},
journal= {arXiv preprint arXiv:2011.09141},
year = {2021}
}