SVQNet：面向4D时空LiDAR语义稀疏体素邻域查询网络
计算机视觉与模式识别
2023-08-28 v1 机器人学
摘要
基于LiDAR的语义感知任务对自动驾驶至关重要但极具挑战。由于物体运动及静态/动态遮挡，时序信息在通过增强与补全单帧知识来强化感知方面发挥着关键作用。已有方法或直接堆叠历史帧至当前帧，或使用KNN构建4D时空邻域，这造成了计算重复并阻碍实时性能。基于我们将所有历史点堆叠会因大量冗余与误导性信息而损害性能的观测，我们提出稀疏体素邻域查询网络（SVQNet）用于4D LiDAR语义分割。为高效充分利用历史帧，我们参照当前点将历史点分流为两组：一组是携带局部增强知识的体素邻域，另一组是补全全局知识的历史上下文。随后我们提出新模块从两组中选筛并提取指导性特征。我们的SVQNet在SemanticKITTI基准与nuScenes数据集的LiDAR语义分割上取得了SOTA性能。
引用
@article{arxiv.2308.13323,
title = {SVQNet: Sparse Voxel-Adjacent Query Network for 4D Spatio-Temporal LiDAR Semantic Segmentation},
author = {Xuechao Chen and Shuangjie Xu and Xiaoyi Zou and Tongyi Cao and Dit-Yan Yeung and Lu Fang},
journal= {arXiv preprint arXiv:2308.13323},
year = {2023}
}
备注
Received by ICCV2023