Meta-RangeSeg: Semantische Segmentierung von LiDAR-Sequenzen unter Verwendung mehrerer Merkmalsaggregationen

Der LiDAR-Sensor ist für das Wahrnehmungssystem autonomer Fahrzeuge und intelligenter Roboter von entscheidender Bedeutung. Um die Echtzeitanforderungen in realen Anwendungen zu erfüllen, ist eine effiziente Segmentierung der LiDAR-Scans notwendig. Die meisten bisherigen Ansätze projizieren die 3D-Punktwolke direkt auf eine 2D-kugelförmige Entfernungsbild, um effiziente 2D-Faltungsoperationen für die Bildsegmentierung nutzen zu können. Obwohl hierbei ermutigende Ergebnisse erzielt wurden, wird die Nachbarschaftsstruktur in der kugelförmigen Projektion nicht optimal erhalten. Zudem wird in der Aufgabe der Einzelscan-Segmentierung zeitliche Information nicht berücksichtigt. Um diese Probleme zu lösen, schlagen wir einen neuen Ansatz zur semantischen Segmentierung von LiDAR-Sequenzen namens Meta-RangeSeg vor, bei dem eine neue Entfernungsrückstands-Bild-Darstellung eingeführt wird, um räumlich-zeitliche Informationen zu erfassen. Konkret wird ein Meta-Kernel eingesetzt, um Meta-Features zu extrahieren, was die Inkonsistenz zwischen den 2D-Entfernungsbild-Koordinaten der Eingabe und den 3D-Cartesischen Koordinaten der Ausgabe reduziert. Ein effizienter U-Net-Backbone dient zur Gewinnung von mehrskaligen Merkmalen. Zudem verstärkt das Feature Aggregation Module (FAM) die Rolle der Entfernungskanal und aggregiert Merkmale auf verschiedenen Ebenen. Wir haben umfangreiche Experimente zur Leistungsbewertung auf den Datensätzen SemanticKITTI und SemanticPOSS durchgeführt. Die vielversprechenden Ergebnisse zeigen, dass unser vorgeschlagener Ansatz Meta-RangeSeg gegenüber bestehenden Methoden effizienter und leistungsfähiger ist. Die vollständige Implementierung ist öffentlich unter https://github.com/songw-zju/Meta-RangeSeg verfügbar.