Un método basado en vóxeles para el preprocesamiento y el postprocesamiento para la mejora de la segmentación semántica de LiDAR a largas distancias

En los últimos años se ha realizado una considerable investigación en la segmentación semántica de LiDAR, introduciendo varios modelos de última generación. Sin embargo, la mayoría de la investigación se centra en nubes de puntos de escaneo único, lo que limita el rendimiento, especialmente en escenarios exteriores a largas distancias, al omitir información secuencial en el tiempo. Además, las variaciones en la densidad y las oclusiones constituyen desafíos significativos en los enfoques de escaneo único. En este artículo proponemos un método de preprocesamiento y postprocesamiento para nubes de puntos de LiDAR. Este enfoque en múltiples etapas, junto con modelos de última generación en un entorno de escaneo múltiple, tiene como objetivo resolver esos desafíos. Demostramos los beneficios de nuestro método a través de una evaluación cuantitativa con los modelos dados en configuraciones de escaneo único. En particular, logramos mejoras significativas en el rendimiento de mIoU de más de 5 puntos porcentuales en rango medio y más de 10 puntos porcentuales en rango lejano. Esto es esencial para la comprensión semántica de escenas en 3D a largas distancias, así como para aplicaciones donde el procesamiento fuera de línea es permisible.