车辆时序联合形状与位姿估计及其在自动非模态分割标注中的应用

形状与位姿估计是自动驾驶汽车充分理解周围环境的一项关键感知问题。解决该问题的一个基本挑战在于不完整的传感信号（如 LiDAR 扫描），尤其是对于远处或被遮挡的物体。在本文中，我们提出一种新颖算法以应对该挑战，其显式利用在连续时间内捕获的传感信号：连续信号可提供关于物体的更多信息，包括不同视角及其运动。通过循环神经网络对连续信号进行编码，我们的算法不仅改进了形状与位姿估计，还产生了一个可惠及自动驾驶研究中其他任务的标注工具。具体而言，基于我们的算法，我们提出一种新颖流程，用于自动标注图像上高质量的非模态分割标签，这些标签人工标注困难且费力。我们的代码与数据将公开提供。