ICCV2023最新！MemorySeg：激光雷达语义分割SOTA！

作者： | 来源：3DCV

在公众号「3DCV」后台，回复「原论文」可获取论文pdf和代码链接

添加微信：dddvisiona，备注：自动驾驶，拉你入群。文末附行业细分群

笔者总结

本文提出了一种在线激光雷达语义分割框架MemorySeg，它利用三维潜在记忆来改进当前帧的预测。传统的方法通常只使用单次扫描的环境信息来完成语义分割任务，而忽略了观测的时间连续性所蕴含的上下文信息。该框架旨在解决在激光雷达表示中引入记忆的若干挑战，包括遮挡、资源限制和动态场景。作者引入了一种点级邻域变化正则化器，用于抑制局部三维邻域内预测的剧烈变化，并在SemanticKITTI、nuScenes和PandaSet等公开数据集上验证了MemorySeg的有效性。所提出的框架构建了周围环境的稀疏三维潜在表示，提供了丰富的三维上下文，从而区分不同的类别，尤其是在当前被遮挡的区域。MemorySeg优于仅依赖激光雷达的当前最先进的语义分割方法。该方法能够保留先前观测到的区域，即使在当前被遮挡，因为遮挡物和被遮挡物在激光雷达观测中占据不同的三维空间，而不是在距离视图中重叠。与距离视图（RV）相比，三维记忆为不同的类别分配了相同的表示能力，无论它们与自动驾驶车辆（SDV）的距离如何，保持了点之间的距离，无论视点或距离如何，并且学习了不同类别的尺寸先验知识。

图1. 单帧激光雷达点云中的对象