面向恶劣天气下通用范围视图LiDAR分割
计算机视觉与模式识别
2025-07-28 v3 机器人学
摘要
LiDAR分割已成为丰富场景感知和理解的重要任务。基于范围视图的方法因其高计算效率和与实时部署的兼容性而受到欢迎。然而，它们在恶劣天气条件下的泛化性能仍未被充分探索，限制了其在真实环境中的可靠性。在本工作中，我们识别并分析了影响范围视图LiDAR分割在恶劣天气中泛化的独特挑战。为应对这些挑战，我们提出了一种模块化和轻量级的框架，在不改变现有模型核心架构的情况下增强鲁棒性。我们的方法将标准范围视图网络的初始主干块重新构建为两个分支，分别处理几何属性和反射率强度。具体而言，几何异常抑制（GAS）模块减少了天气引起的空间噪声的影响，反射率失真校准（RDC）模块通过记忆引导的自适应实例归一化纠正了反射率失真。处理后的特征随后被融合并传递给原始分割流水线。在不同基准和基线模型上的大量实验证明，我们的方法以极小的推理开销显著改善了对恶劣天气的泛化能力，为真实世界的LiDAR分割提供了实用且有效的解决方案。
引用
@article{arxiv.2506.08979,
title = {Towards Generalized Range-View LiDAR Segmentation in Adverse Weather},
author = {Longyu Yang and Lu Zhang and Jun Liu and Yap-Peng Tan and Heng Tao Shen and Xiaofeng Zhu and Ping Hu},
journal= {arXiv preprint arXiv:2506.08979},
year = {2025}
}