CPGNet:実時間LiDARセマンティックセグメンテーションのためのカスケードポイントグリッド融合ネットワーク【JST・京大機械翻訳】

Li Xiaoyan; Zhang Gang; Pan Hongyu; Wang Zhenhua

プレプリント

J-GLOBAL ID：202202216440612404 整理番号：22P0336125

CPGNet:実時間LiDARセマンティックセグメンテーションのためのカスケードポイントグリッド融合ネットワーク【JST・京大機械翻訳】

CPGNet: Cascade Point-Grid Fusion Network for Real-Time LiDAR Semantic Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月21日プレプリントサーバーでの情報更新日： 2022年06月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

高度自律運転に不可欠なLiDAR意味セグメンテーションは,モバイルプラットフォーム上で正確で,高速で,容易に展開する必要がある。以前の点ベースまたはスパースボクセルベースの方法は,時間のかかる隣接探索またはスパース3D畳込みが採用されるので,リアルタイムアプリケーションから遠く離れている。範囲ビューとマルチビュー融合を含む最近の2D投影ベースの方法は,リアルタイムで実行することができるが,2D投影の間の情報損失のためにより低い精度に悩まされる。そのうえ,性能を改良するために,以前の方法は,通常,試験時間増加(TTA)を採用して,それはさらに推論過程を減速する。より良い速度-精度トレードオフを達成するために,著者らはCascadeポイント-Grid融合ネットワーク(CPGNet)を提案して,それは主に次の2つの技術によって有効性と効率の両方を保証した。1)新しい点-Grid(PG)融合ブロックは,主に効率のための2D投影グリッドに関する意味的特徴を抽出し,一方,最小情報損失のために3Dポイントに関する2Dと3D特性の両方を要約した。2)提案した変換一貫性損失は,単一時間モデル推論とTTAの間のギャップを狭める。セマンティックKITTIとnuSceneベンチマークに関する実験は,アンサンブルモデルまたはTTAのないCPGNetが最先端のRPVNetに匹敵し,一方,4.7倍速いことを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , レーダ

, , ,

前のページに戻る