SemanticPOSS：一个含大量动态实例的点云数据集
机器人学
2020-02-24 v1 计算机视觉与模式识别
图像与视频处理
摘要
3D 语义分割是自动驾驶系统的关键任务之一。近年来，面向 3D 语义分割任务的深度学习模型已被广泛研究，但它们通常需要大量训练数据。然而，现有的 3D 语义分割数据集缺乏逐点标注、多样场景以及动态物体。本文中，我们提出 SemanticPOSS 数据集，其包含 2988 帧各异且复杂的 LiDAR 扫描，具有大量动态实例。数据在北京大学采集，并采用与 SemanticKITTI 相同的数据格式。此外，我们在 SemanticPOSS 数据集上评估了若干典型的 3D 语义分割模型。实验结果表明，SemanticPOSS 可在一定程度上提升对行人、汽车等动态物体的预测精度。SemanticPOSS 将于 \url{www.poss.pku.edu.cn} 发布。
引用
@article{arxiv.2002.09147,
title = {SemanticPOSS: A Point Cloud Dataset with Large Quantity of Dynamic Instances},
author = {Yancheng Pan and Biao Gao and Jilin Mei and Sibo Geng and Chengkun Li and Huijing Zhao},
journal= {arXiv preprint arXiv:2002.09147},
year = {2020}
}
备注
submited to IEEE Intelligent Vehicles Symposium(2020)