摘要

场景理解对于动态环境中自主导航至关重要。在该领域，感知任务如分割与跟踪通常被分别处理。本文提出一种基于激光雷达（LiDAR）扫描的4D全景分割方法，旨在为时间序列中每一帧扫描的3D点分配语义类别，并为每个物体分配在时间上一致的实例ID。我们提出了一种新颖的方法，其基础是一个任意的单帧全景分割网络，并通过跨时间关联实例将其扩展至时序维度。为此，我们设计了一种对比聚合网络（contrastive aggregation network），利用全景分割网络输出的点级特征，构建一个嵌入空间，在该空间中，同一实例在不同时间步的编码彼此接近，而与其他实例的编码则相距较远。该方法的训练机制受到自监督度量学习中对比学习思想的启发。我们的关联模块融合了外观与运动特征，实现跨帧实例的匹配，从而支持时序感知。我们在SemanticKITTI基准数据集上对所提方法进行了评估，结果表明，即使不依赖位姿信息，该方法仍能达到当前最优性能。