不确定性感知的 LiDAR 全景分割
计算机视觉与模式识别
2022-10-14 v1 机器人学
摘要
现代自主系统通常依赖 LiDAR 扫描仪，尤其在自动驾驶场景中。在此背景下，可靠的场景理解不可或缺。当前基于学习的方法通常试图在此任务上实现最佳性能，却忽视了对其相关不确定性的恰当估计。在本工作中，我们引入了一种利用 LiDAR 点云解决不确定性感知全景分割任务的新方法。我们提出的 EvLPSNet 网络是首个以无采样方式高效解决该任务的网络。它旨在预测逐点语义与实例分割，以及逐点不确定性估计。此外，它通过采用预测的不确定性来整合提升性能的方法。我们提供了若干强基线，将最先进的全景分割网络与无采样不确定性估计技术相结合。大量评估表明，与这些基线相比，我们在不确定性感知全景分割质量和校准方面取得了最佳性能。我们的代码发布于：https://github.com/kshitij3112/EvLPSNet
引用
@article{arxiv.2210.04472,
title = {Uncertainty-aware LiDAR Panoptic Segmentation},
author = {Kshitij Sirohi and Sajad Marvi and Daniel Büscher and Wolfram Burgard},
journal= {arXiv preprint arXiv:2210.04472},
year = {2022}
}