标题-PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud
作者-Yuan Wang1 Tianyue Shi2 Peng Yun1 Lei Tai1 Ming Liu1
摘要:
PointSeg,基于球形图的实时端到端语义分割道路物体的方法。球形图是指从3维雷达点云转变成的645125并用于作为CNN的输入来预测每个点的语义。该模型基于SqueezeNet。数据集-KITTI。 在单GPU上可实现90帧每秒的基础上的高准确率。
介绍:
背景:嵌入式计算设备如Jetson TX2 和 FGPA不能提供跟工作站同样的实时计算表现,所以需要高准确率,低内存消耗,表现好的方法。
贡献:参照SqueezeSeg将SqueezeNet作为根结构。从最好的RGB语义分割方法PSPNet参考了若干想法应用到自己的网络。因为3维点云通常量大且稀疏,所以作者像SqueezeSeg将点云转变成球形图并让PointSeg采用了变形后的数据。
给SqueezeNet和SqueezeSeg扩展了新的特征提取层来提升准确率和效率。
本工作可以直接应用到自动驾驶系统。使用基本的深度学习单元课简单实现。
方法
1.球形图稀疏转稠密:
论文笔记-PointSeg: Real-Time Semantic Segmentation Based on 3D LiDAR Point Cloud
最新推荐文章于 2024-05-30 09:30:03 发布