2024 年 Waymo 开放数据集挑战中 3D 语义分割轨道的第二名解答
计算机视觉与模式识别
2025-01-13 v1 机器学习
机器人学
摘要
3D 语义分割是驾驶感知中最关键的任务之一。学习基于模型准确感知稠密 3D 环境的能力往往确保了自动驾驶车辆的安全运行。然而，现有的基于激光雷达的 3D 语义分割数据库由顺序获取的激光雷达扫描组成，这些扫描呈长尾分布且缺乏训练多样性。本报告介绍了 MixSeg3D，即一种结合强点云分割模型与先进 3D 数据混合策略的 sophisticated 方法。具体而言，我们的方法将 MinkUNet 系列模型与 LaserMix 和 PolarMix 两种场景规模数据增强方法集成，这两种方法沿着 ego-scene 的倾斜方向和方位角方向混合 LiDAR 点云。通过实验，我们展示了 MixSeg3D 在基线和前沿方法上的优越性。我们的团队在 2024 年 Waymo 开放数据集挑战的 3D 语义分割轨道中获得了第二名成绩。
引用
@article{arxiv.2501.05472,
title = {The 2nd Place Solution from the 3D Semantic Segmentation Track in the 2024 Waymo Open Dataset Challenge},
author = {Qing Wu},
journal= {arXiv preprint arXiv:2501.05472},
year = {2025}
}
备注
Technical Report