面向 LiDAR 点云的语义分割辅助场景补全
计算机视觉与模式识别
2021-09-24 v1
摘要
室外场景补全在 3D 场景理解中是一个具有挑战性的问题，在智能机器人与自动驾驶中起着重要作用。由于 LiDAR 采集的稀疏性，3D 场景补全与语义分割更为复杂。由于语义特征可为补全任务提供约束与语义先验，二者间的关系值得探究。因此，我们提出了一种端到端的语义分割辅助场景补全网络，包含 2D 补全分支与 3D 语义分割分支。具体而言，网络以原始点云为输入，并将分割分支的特征分层融合进补全分支以提供语义信息。通过采用 BEV 表示与 3D 稀疏卷积，我们能在保持有效表达的同时受益于更低的运算量。此外，分割分支的解码器用作辅助，在推理阶段可丢弃以节省计算消耗。大量实验表明，我们的方法在 SemanticKITTI 数据集上以低延迟取得了有竞争力的性能。代码与模型将发布于 https://github.com/jokester-zzz/SSA-SC。
引用
@article{arxiv.2109.11453,
title = {Semantic Segmentation-assisted Scene Completion for LiDAR Point Clouds},
author = {Xuemeng Yang and Hao Zou and Xin Kong and Tianxin Huang and Yong Liu and Wanlong Li and Feng Wen and Hongbo Zhang},
journal= {arXiv preprint arXiv:2109.11453},
year = {2021}
}
备注
8 pages, 4 figures, accepted by The 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems