TFNet：利用时间线索实现快速准确的LiDAR语义分割
计算机视觉与模式识别
2024-04-16 v3
摘要
LiDAR语义分割在使自动驾驶与机器人准确且鲁棒地理解周围环境方面起着关键作用。该领域内存在多种方法，包括基于点、基于距离图像、基于极坐标以及混合策略。其中，基于距离图像的技术因其高效性在实际中得到广泛应用。然而，它们面临一个由距离图像有限的水平与垂直角分辨率引起的、称为“多对一”问题的重大挑战。结果，约20%的3D点会被遮挡。本文提出TFNet，一种基于距离图像的LiDAR语义分割方法，利用时间信息解决该问题。具体地，我们引入时间融合层以从先前扫描中提取有用信息并与当前扫描融合。随后设计基于最大投票的后处理技术以纠正错误预测，尤其是那些由“多对一”问题引起的预测。我们在两个基准上评估该方法，并证明该插件式后处理技术具有通用性，可应用于多种网络。
引用
@article{arxiv.2309.07849,
title = {TFNet: Exploiting Temporal Cues for Fast and Accurate LiDAR Semantic Segmentation},
author = {Rong Li and ShiJie Li and Xieyuanli Chen and Teli Ma and Juergen Gall and Junwei Liang},
journal= {arXiv preprint arXiv:2309.07849},
year = {2024}
}
备注
accepted by CVPR2024 Workshop on Autonomous Driving