TFNet：利用时序线索实现快速且精准的LiDAR语义分割

LiDAR语义分割在实现自动驾驶与机器人对周围环境的准确、鲁棒理解方面发挥着至关重要的作用。该领域已涌现出多种方法，包括基于点云、基于距离图像（range-image）、基于极坐标以及混合策略等。其中，基于距离图像的方法因其高效性而在实际应用中得到广泛采用。然而，这类方法面临一个显著挑战，即由于距离图像在水平和垂直方向上的角度分辨率有限，导致“多对一”（many-to-one）问题。这一问题使得约20%的三维点云数据发生遮挡。本文提出一种基于距离图像的LiDAR语义分割方法——TFNet，通过引入时序信息来缓解该问题。具体而言，我们设计了一个时序融合层，用于从先前扫描中提取有用信息，并将其与当前扫描数据进行融合。此外，我们还提出一种基于最大投票（max-voting）的后处理技术，以修正由“多对一”问题引起的误预测。我们在两个基准数据集上对所提方法进行了评估，结果表明，该即插即用的后处理模块具有良好的通用性，可适配多种网络架构。