文章预览
Abstract 高效地总结稠密的3D点云数据并提取运动物体的运动信息(运动物体分割,MOS)对于自动驾驶和机器人应用至关重要。如何有效利用运动和语义特征并在3D到2D投影过程中避免信息丢失仍然是一个关键挑战。本文提出了一种新的多视角MOS模型(MV-MOS),通过融合来自点云不同2D表示的运动-语义特征来解决这一挑战。为了有效利用互补信息,所提出模型的运动分支结合了鸟瞰图(BEV)和距离视图(RV)表示中的运动特征。此外,还引入了一个语义分支,为运动物体提供补充的语义特征。最后,使用Mamba模块将语义特征与运动特征融合,为运动分支提供有效指导。通过全面的实验验证了所提出的多分支融合MOS框架的有效性,并且我们提出的模型在SemanticKITTI基准测试中优于现有的最先进模型。 代码地址 :https://github.com/Chengjt1999/MV-MOS 欢迎加入自动
………………………………