13 天前
语义分割辅助的LiDAR点云场景补全
Xuemeng Yang, Hao Zou, Xin Kong, Tianxin Huang, Yong Liu, Wanlong Li, Feng Wen, Hongbo Zhang

摘要
室外场景补全是三维场景理解中的一项具有挑战性的问题,在智能机器人与自动驾驶领域具有重要作用。由于LiDAR数据获取的稀疏性,三维场景补全与语义分割任务面临更为复杂的挑战。鉴于语义特征能够为补全任务提供约束条件和语义先验信息,二者之间的关联值得深入探索。为此,我们提出一种端到端的语义分割辅助场景补全网络,该网络包含一个二维场景补全分支和一个三维语义分割分支。具体而言,网络以原始点云作为输入,通过分层融合语义分割分支提取的特征到补全过程,从而为补全任务提供丰富的语义信息。通过采用鸟瞰图(BEV)表示与三维稀疏卷积,我们在保持高效表达能力的同时,显著降低了计算开销。此外,语义分割分支的解码器作为辅助结构,在推理阶段可被移除,从而进一步减少计算消耗。大量实验表明,所提方法在SemanticKITTI数据集上取得了具有竞争力的性能,且具备较低的延迟。代码与模型将开源至:https://github.com/jokester-zzz/SSA-SC。