CVPR 2023 | 无中生有：面向实时点云全景分割的中心聚焦网络

©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。