圆柱形和非对称3D卷积网络用于LiDAR分割

当前最先进的大规模驾驶场景LiDAR分割方法通常将点云投影到二维空间，然后通过二维卷积进行处理。尽管这种方法在点云处理方面表现出竞争力，但不可避免地会改变和放弃三维拓扑结构和几何关系。一个自然的解决方案是利用三维体素化和三维卷积网络。然而，我们发现，在室外点云中，通过这种方式获得的改进相当有限。一个重要原因是室外点云的特性，即稀疏性和密度变化。基于这一研究动机，我们提出了一种新的室外LiDAR分割框架，设计了圆柱形划分和非对称三维卷积网络，以探索三维几何模式的同时保持这些固有特性。此外，引入了一个逐点细化模块来减轻损失性体素标签编码的干扰。我们在两个大规模数据集上评估了所提出的模型，即SemanticKITTI和nuScenes。我们的方法在SemanticKITTI排行榜上取得了第一名，并且在nuScenes数据集上的表现明显优于现有方法，约提高了4%。此外，所提出的三维框架在LiDAR全景分割和LiDAR三维检测任务中也表现出良好的泛化能力。