不搞花里胡哨!CMU最新开源:极简风格的LiDAR全景分割+跟踪!

来源:3D视觉工坊

在公众号「3D视觉工坊」后台,回复「原论文」可获取论文pdf、代码链接

添加微信:dddvisiona,备注:三维点云,拉你入群。文末附行业细分群

1. 笔者个人体会

激光雷达全景分割(LPS)一般遵循自下而上的以分割为中心的范式,利用聚类获得对象实例来建立语义分割网络。但是最近CMU&Meta等大佬们重新思考了这种方法,并提出了一个简单而有效的检测中心网络,用于LPS和跟踪。这项工作也被IROS 2023录用。

下面一起来阅读一下这项工作

2. 效果展示

这项工作是模块化设计,并针对全景分割和跟踪任务的所有方面进行了优化。网络的核心组件之一是对象实例检测分支,这项工作使用点级(模态)注释对其进行训练。在没有模型(长方体)标注的情况下,使用轨迹级监督来回归模态质心和对象范围,轨迹级监督提供了关于对象大小的信息,由于遮挡和lidar数据的稀疏特性,这些信息无法从单次扫描中推断出来。这项工作通过学习将激光雷达点与检测到的质心相关联来获得细粒度的实例分割。这里也推荐工坊推出的新课程《三维点云处理

你可能感兴趣的:(3D视觉从入门到精通,3D视觉)