摘要
语义分割是自动驾驶感知系统中的关键组成部分。在本工作中，我们结合图像与点云分割领域的最新进展，旨在提升LiDAR扫描数据的分割精度。KPRNet改进了二维投影方法中的卷积神经网络架构，并采用KPConv替代传统上常用的后处理技术，引入可学习的逐点处理模块，从而获得更精确的三维标签。得益于这些改进，我们的模型在SemanticKITTI基准测试中超越了当前最优方法，达到了63.1的mIoU（平均交并比）。
代码仓库
DeyvidKochanov-TomTom/kprnet
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| 3d-semantic-segmentation-on-semantickitti | KPRNet | test mIoU: 63.1% |