【论文阅读】【三维语义分割】Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation

最新推荐文章于 2024-11-18 23:58:40 发布

原创

最新推荐文章于 2024-11-18 23:58:40 发布 · 3.4k 阅读

18 ·

CC 4.0 BY-SA版权

Cylinder3D论文提出了一种针对LiDAR点云分割的新方法，利用柱坐标划分voxel以适应车载激光雷达扫描特性，减少了空voxel比率。网络结构包括Cylindrical Partition、非对称残差块(Asymmetrical Residual Block)和点级细化模块。实验表明，该方法在Semantic-KITTI数据集上表现出优秀性能，并在全景分割和3D目标检测任务中具有泛化能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

Cylinder3D
Experiment
- ablation study
- Generalization Analyses
总结

Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation
投递CVPR2021
目前Semantic-KITTI榜第一
代码：https://github.com/xinge008/Cylinder3D

Cylinder3D

本文认为，室外点云分割和室内点云分割的数据分布是不同的，室外点云分割的应用大多是自动驾驶，而点云是由车载激光雷达扫描而得到的。而车载激光雷达扫描的特性就是按照柱坐标的方式在扫描，本文也是提出了基于柱坐标的voxel的划分，从而与激光雷达扫描过程保持一致。能够有效的减少空voxel的比率。网络结构如下：
在这里插入图片描述

Cylindrical Partition

第一部分是将点云转换为voxel的过程，其中过程还是比较容易理解的：
在这里插入图片描述
这里MLP的使用没有说的太清楚，查看代码Cylinder3D-master/network/cylinder_fea_generator.py的Line77-78可以看到，这个MLP相当于对每个点的坐标升维，然后对每个voxel内做channel-wise的max，得到每个voxel的特征。