开源| RangeNet++实时3D点云分割 | 在Jetson AGX上达到实时，性能优于SqueezeSegV2-CRF

论文地址： http://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/milioto2019iros.pdf 代码：https://github.com/PRBonn/lidar-bonnetal.git 来源：德国波恩大学 论文名称：RangeNet++: Fast and Accurate LiDAR Semantic Segmentation 原文作者：Andres Milioto

自动驾驶领域的环境感知通常是通过融合多个不同的传感器数据完成的。当前有很多标注过的开源RGB图像数据，同时出现了很多基于这些图像的识别算法。尤其是当前能够取得很好效果的高精度语义感知任务，通常是使用高分辨率相机完成的。这就使得，使用其他传感器的算法被大家所忽略。本文提出了一个表现SOTA使用纯激光数据的语义分割算法，以便为车辆提供另一个独立的语义信息源。本文的算法可以准确的分割完整的激光点云数据，可以达到激光的输出频率。本文为了使用传统的CNN网络，将原始的旋转式激光数据转换成深度图表示形式。为了获得精确的处理结果，本文提出了一种新颖的后处理算法，可有效的改善上面所述的深度图表示方法中存在的数据离散性问题和CNN输出结果模糊的问题。与当前表现SOTA的一些算法在实时性和准确性上进行了比较。实验结果显示本文的算法在单个嵌入式的GPU上仍在可以达到实时的效果，并且性能表现SOTA。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。