摘要

本文针对从三维激光雷达点云中进行道路物体的语义分割问题进行了研究。具体而言，我们希望检测并分类出诸如汽车、行人和骑自行车者等感兴趣的实例。我们将这一问题表述为逐点分类问题，并提出了一种基于卷积神经网络（CNN）的端到端管道，称为SqueezeSeg：该CNN以转换后的激光雷达点云作为输入，直接输出逐点标签图，然后通过实现为递归层的条件随机场（CRF）对其进行细化。随后，利用传统的聚类算法获得实例级别的标签。我们的CNN模型在KITTI数据集的激光雷达点云上进行训练，而我们的逐点分割标签则源自KITTI中的三维边界框。为了获取额外的训练数据，我们在流行视频游戏《侠盗猎车手V》（Grand Theft Auto V, GTA-V）中构建了一个激光雷达模拟器，以合成大量逼真的训练数据。实验结果表明，SqueezeSeg在具有惊人的快速和稳定运行时间（每帧8.7毫秒）的情况下实现了高精度，这对于自动驾驶应用来说是非常理想的。此外，在合成数据上进行额外训练可以提高在真实世界数据上的验证精度。我们将开源我们的源代码和合成数据。