摘要
三维点云数据的语义分割对于提升自动驾驶平台的高级感知能力至关重要。此外，随着车载和无人机上激光雷达（LiDAR）传感器的日益普及，对在移动GPU上运行且计算开销较低的算法也提出了更高要求。以往高效的前沿方法通常采用点云的二维球面投影作为输入，输入至二维全卷积神经网络，以在精度与速度之间取得平衡。本文提出一种新型三维点云语义分割方法，通过利用点云的多重投影来缓解单一投影方法固有的信息损失问题。所提出的多投影融合（Multi-Projection Fusion, MPF）框架分别采用两个高度高效的二维全卷积模型，对球面投影与鸟瞰图投影进行分析，随后融合两种视角的分割结果。该框架在SemanticKITTI数据集上进行了验证，取得了55.5的平均交并比（mIoU），优于当前基于投影的先进方法RangeNet++和PolarNet，且在速度上分别达到后两者的1.6倍和3.1倍。