点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
摘要
目前主流的激光分割的方法通常将点云投影到2D空间，然后利用2D卷积进行处理，这必定会丧失3D的拓扑与几何特征，一种有效的弥补则是采用3D体素化与3D卷积网络，然而在室外场景的点云数据下效果一般，其中很重要的因素就是稀疏性与变化的点密度。因此本文提出了一种用于室外点云分割的新构架，使用圆柱形划分与非对称3D卷积网络来保留3D几何及其固有的特性。另外还引入了基于单独三维点的改正模块，以减轻基于体素有损标签编码的干扰。本文方法占据SemanticKITTI的榜单，在nuScenes数据集上的效果优于现存方法，除此之外所提出的3D结构对激光全景分割与目标检测任务具有很好的泛化能力。
主要贡献
-
将室外激光雷达分割的重点从二维投影重新定位到3D结构，并进一步研究室外点云的固有特性（难点）；
-
提出了一种新架构，通过柱形分区和非对称3D卷积网络，尽可能的保留3D几何模型，解决由于稀疏性与密度不均带来的问题。
方法流程
本文流程如上图所示，首先利用MLP提取每一个激光点的特征，这些特征通过柱形分区重新分配，利用非对称3D卷积网络生成体素化的结果，最后引入一个基于点的模块来改进输出。主要包括了三种网络模块：非对称下采样（AD）、非对称上采样（AU）以及基于维度分解的上下文建模（DDCM）。
上图显示了不同距离下柱形划分与立方体划分方式非空格网的统计分布情况，在一些较远的距离下柱形划分仍然能够很好的对空间进行划分。
上图为柱形分区的流程图，我们首先将笛卡尔坐标转换到柱形坐标系中，然后依据柱形分区将点特征整合到结构化表达中去。
上图展示了非对称残差模块，使用两个非对称核在水平和竖直方向进行卷积
无论是立方体还是柱体，有损的空间分区必定带来误分类编码，如上图所示，因此本文引入点对点的改正模块，首先将体素级别的特征投影到相应的点上，融合3D卷积前后的特征来优化结果。
实验结果
上表显示了在semanticKITTI和nuScenes数据集下的激光点云分割结果，针对一些稀疏的地物点云，本文方法能够很好的解决稀疏性与密度不均问题。
上表为各模块的消融实验
另外本文测试了不同种非对称残差模块，结果表明了水平与垂直卷积的有效性，高程信息的引入也提高了算法对稀疏性的处理能力。
为验证网络的泛化能力，本文增加了激光全景分割与三维目标检测的对比实验，在semanticKITTI的全景分割结果如上表所示，可以看出本文方法在某些指标上能够达到甚至超过SOTA。
本文通过改变3D检测网络的某些模块来验证柱形分区与非对称三维卷积的优势，在nuScenes上的结果表明了本文所提出模型的有效性。
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~ 
