©PaperWeekly 原创 · 作者 | 李笑颜
单位|北京工业大学
论文地址:
https://openaccess.thecvf.com/content/CVPR2023/papers/Li_Center_Focusing_Network_for_Real-Time_LiDAR_Panoptic_Segmentation_CVPR_2023_paper.pdf
代码地址:
https://github.com/GangZhang842/CFNet
简介
LiDAR 全景分割对 LiDAR 点云中每一个点进行分类并赋予物体实例 ID,它能够帮助自动驾驶车全面理解环境中的物体和场景,需要实时地运行。现有无候选框(proposal-free)方法计算点到物体的实例中心的距离,并依据中心点位置聚类得到物体,该类方法的速度虽然较基于候选框的方法有明显提升,但仍存在两个问题:
1)由于 LiDAR 点云聚集在物体表面,物体的中心点在三维点云中通常不存在实体,因此较难建模;
2)基于中心点的聚类模块的计算成本高昂。因此,现有方法在性能和效率上均有提升空间。
为了实现准确、实时的 LiDAR 全景分割,本文提出一种新型的中心聚焦网络(CFNet):
1)提出了中心聚焦特征编码(CFFE),通过移动三维点来填充物体中心,“无中生有”地显示建模原始 LiDAR 点云与虚拟实例中心之间的关系;
2)提出了一种快速的重复中心删除模块(CDM),以代替现有方法中的聚类模块,为每个实例选择一个中心。
在 SemanticKITTI 和 nuScenes 上的实验表明,我们提出的 CFNet 性能超越了现有 LiDAR 全景分割算法,并且比当前最快的方法快 1.6 倍。