摘要
自动驾驶车辆中的感知通常依赖于多种传感器模态的协同工作。由于公开可用的标注RGB数据量庞大，且基于图像识别的高质量深度学习算法不断涌现，当前高层语义感知任务主要依赖高分辨率摄像头来完成。由此导致其他潜在有价值的传感器模态（如LiDAR）在该任务中常被忽视。本文致力于推进仅使用LiDAR进行语义分割的最新技术水平，旨在为车辆提供另一种独立的语义信息来源。我们的方法能够在传感器帧率下实现对LiDAR点云的完整语义分割，具有高精度与实时性。为此，我们采用范围图像（range image）作为中间表示形式，并结合利用旋转式LiDAR传感器模型的卷积神经网络（CNN）进行处理。为克服该中间表示带来的问题（如量化误差和CNN输出模糊），我们提出了一种新颖的后处理算法。我们实现了该方法，并进行了全面评估，包括与当前最先进方法的多项对比实验。实验结果表明，所提方法在性能上优于现有先进方法，同时仍可在单个嵌入式GPU上实现在线运行。代码已开源，可访问：https://github.com/PRBonn/lidar-bonnetal。