摘要

时间语义场景理解对于在动态环境中运行的自动驾驶汽车或机器人至关重要。本文中，我们提出了一种4D全景激光雷达分割方法，旨在为一系列3D点分配一个语义类别和一个时间上一致的实例ID。为此，我们介绍了一种方法及一种以点为中心的评估指标。我们的方法为每个点确定一个语义类别，同时将对象实例建模为4D时空域中的概率分布。我们并行处理多个点云，并解决点到实例的关联问题，有效减轻了对显式时间数据关联的需求。受最近多目标跟踪基准测试进展的启发，我们建议采用一种新的评估指标，该指标将任务的语义方面和点到实例关联方面分开评估。通过这项工作，我们希望为未来的时间激光雷达全景感知的发展铺平道路。