作者:K.Fire | 来源:3DCV
在公众号「3DCV」后台,回复「原论文」可获取论文pdf
添加微信:dddvision,备注:自动驾驶,拉你入群。文末附行业细分群
0 笔者个人体会
无论是最近非常火爆的NeRF还是目前的3D语义重建的工作大多是针对RGB-D相机和室内环境开发的,不适合大规模的室外环境。在室外大场景中激光雷达是非常好的选择,而由于激光雷达点云的稀疏性和室外环境的巨大规模,基于激光雷达传感器的语义建图和3D密集重建仍然具有挑战性。
这篇文章也是有一些地方可圈可点的,比如:
-
用了一种简单高效的方法实现了自监督的训练,提高了模型的泛化能力
-
很方便的将语义分割拓展到全景分割,通过损失函数的修改,提供了增量式和批处理两种建图模式,方便高效。
-
考虑到内存限制,开发了一种子地图融合策略,这样就可以方便的拓展到多机器人应用。