摘要

本文介绍了SalsaNext，这是一种用于实时全3D激光雷达点云不确定性感知语义分割的方法。SalsaNext是SalsaNet [1]的下一代版本，采用了编码器-解码器架构，其中编码器单元包含一组ResNet块，而解码器部分则结合了来自残差块的上采样特征。与SalsaNet不同的是，我们引入了一个新的上下文模块，用具有逐渐增大的感受野的新残差扩张卷积堆栈替换了ResNet编码器块，并在解码器中添加了像素洗牌层。此外，我们将步幅卷积替换为平均池化，并应用了中心dropout处理。为了直接优化Jaccard指数，我们进一步将加权交叉熵损失与Lovasz-Softmax损失 [2] 结合使用。最后，我们注入了一种贝叶斯方法来计算点云中每个点的认知不确定性和数据不确定性。我们在Semantic-KITTI数据集 [3] 上进行了详尽的定量评估，结果表明所提出的SalsaNext优于其他最先进的语义分割网络，并在Semantic-KITTI排行榜上排名第一。我们还发布了源代码 https://github.com/TiagoCortinhal/SalsaNext。