Moving Object Segmentation in 3D LiDAR Data: A Learning-based Approach Exploiting Sequential Data

创新点

在分割中引入了新的描述动态物体的特征$d_{k,i}^l$,$d_{k,i}^l=\frac{|r_i-r_i^{k\to l}|}{r_i}$,$r_i^{k\to l}$是将第k帧的点云旋转至当前帧（$l$帧）时，第i个像素上的距离值。
相比于rangenet++ 本文主要在网络输入特征中加入输入有x y z r（距离值） e（反射率）n*d（前几帧当前像素点r的变化值）

Abstract

从3D Lidar 数据中分离出动静物体对于自动驾驶的相关工作十分有益，本文利用激光点云序列的投影图（Range image），经过CNN网络的处理，进行点云分割。本文的方法仅将点云划分为移动的和静态的物体。
声明：本文的方法可以仅通过激光点云的数据分割出点云中的动态障碍物；本文将前几帧帧的点云数据转化到当前帧，提高了分割的精度，实现了SOTA。

Related Work

具体方法

主要思路是：将多帧点云旋转到同一个坐标系下，如果一个物体是背景（静态），则每次激光扫到它，获得的距离r将会是不变的，而动态障碍物的相对距离r变化大（前几帧扫到车，车开走后，可能后几帧就扫描到背景）

处理流程

如图所示，网络的输入分为两个部分：

1. 当前帧点云的投影获得的Range image，（同rangenet++包含每个点的x,y,z,反射率，距离r，即每个点有五维数据）投影公式如下：
   $\left(\begin{array}{l}u\\ v\end{array}\right)=\left(\begin{array}{c}\frac{1}{2}\left[1-\arctan (y,x){\pi }^{-1}\right]w\\ \left[1-\left(\arcsin \left(z{r}^{-1}\right)+{\mathrm{f}}_{\mathrm{u}\mathrm{p}}\right){\mathrm{f}}^{-1}\right]h\end{array}\right)$
2. 过去帧中的点云数据S0~S2，通过获得的定位数据，旋转（对齐)至当前帧的坐标系（即图中T矩阵）。做Range image 投影并计算出$d_{k,i}^l$作出residual image（Δr：range的变化值）

current：当前帧的Range image $j$：过去第 $j$帧的residual image
作者认为，引入的前几帧的residual image可以帮助网络识别出动态物体，通知也考虑到一些移动较慢的物体在Residual image中不明显，所以引入的Residual image仅仅作为一个辅助判别的特征来区分动态的和静态的物体。

personal comment

个人愚见，欢迎评论区指点！

1. 是否存在如下bug：即运动物体与本车相对静止，则相对距离r变化为0，d为0，被归类于静态物体？