Meta-RangeSeg: 複数の特徴集約を用いたLiDARシーケンスのセマンティックセグメンテーション

LiDARセンサーは、自律走行車両やインテリジェントロボットの知覚システムに不可欠です。実世界のアプリケーションでのリアルタイム要件を満たすためには、LiDARスキャンを効率的にセグメント化する必要があります。これまでのアプローチの多くは、3Dポイントクラウドを2D球面範囲画像に直接投影し、画像セグメンテーションのために効率的な2D畳み込み操作を利用できるようにしています。良好な結果を達成していますが、球面投影では近隣情報が十分に保存されていません。さらに、単一スキャンセグメンテーションタスクでは時間情報が考慮されていません。これらの問題に対処するために、空間-時間情報を捉える新しい範囲残差画像表現を導入したLiDARシーケンスのセマンティックセグメンテーションのための新しいアプローチであるMeta-RangeSegを提案します。具体的には、Meta-Kernelを使用してメタ特徴を抽出し、2D範囲画像の入力座標と3Dデカルト座標の出力との不整合を減少させます。効率的なU-Netバックボーンを使用してマルチスケール特徴を取得します。さらに、特徴集約モジュール（FAM）は範囲チャネルの役割を強化し、異なるレベルで特徴を集約します。SemanticKITTIとSemanticPOSSでの性能評価のために広範な実験を行いました。期待できる結果は、提案したMeta-RangeSegメソッドが既存のアプローチよりも効率的で効果的であることを示しています。