Sep, 2023

一种基于点云地图的用于非结构化道路的地面分割方法

PDF
TL;DR基于点云地图的地面分割方法，通过兴趣区域提取、点云注册和背景减除等步骤，实现了对开采矿场等复杂场景中地面的精确分割，实验结果表明，准确率达到 99.95%。
ground segmentationunstructured road scenespoint cloud mapregion of interest extractionbackground subtraction
发现论文，激发创造
  • GroundGrid:LiDAR 点云地面分割和地形估计

    本文介绍了一种基于 2D 高程图的地形估计和点云地面分割系统 GroundGrid，并利用 SemanticKITTI 数据集和航空 LiDAR 扫描进行了性能评估，结果显示 GroundGrid 在维持高运行速度的同时，优于其他现有系统，平均 IoU 为 94.78%。

    May, 2024

  • PotholeGuard: 基于点云语义分割的路面坑洞检测方法

    我们的研究提出了一种创新的基于点云的坑洞分割架构（PotholeGuard），通过有效地识别隐藏的特征并利用反馈机制增强局部特征，提高特征表达。我们引入了本地关系学习模块以了解局部形状关系，增强结构洞察力。此外，我们提出了一个轻量级的自适应结构，使用 K 最近邻算法来细化局部点特征，解决点云密度差异和域选择问题。集成了共享 MLP 汇聚特征的方法，促进语义数据的探索和分割引导。在三个公共数据集上进行了大量实验，验证了 PotholeGuard 相比于现有先进方法的卓越性能。我们的方法为强大而准确的 3D 坑洞分割提供了有希望的解决方案，具有道路维护和安全应用的潜力。

    Nov, 2023

  • 无监督高分辨率无人机影像的道路场景解析

    通过使用最新的视觉语言模型和基本的计算机视觉模型，本研究介绍了一种无监督道路解析框架，用于处理超高分辨率的无人机图像，并且无需任何手动标注即可在开发数据集上达到 89.96％的 mIoU。

    Feb, 2024

  • 基于多路径区域挖掘的弱监督 3D 空间点云语义分割

    本研究提出了一种利用弱标签预测三维点云中点级结果的方法，使用分类网络训练生成伪点级标签，再使用点级伪标签以全监督方式训练点云分割网络，实验结果在 ScanNet 数据集上证明了该方法的有效性。

    Mar, 2020

  • 基于无序点云的快速 3D 线段检测

    本文提出了一种用于大规模无序点云的三维线段检测的简单而高效的算法，基于点云分割和二维线段检测，能够有效地提取三维线段，以消除离群点和合并相邻的三维线段。

    Jan, 2019

  • 一个统一的基于点的 3D 分割框架

    针对 3D 点云的分割问题，我们提出了一种新的点云分割框架，该框架能有效地优化整个场景的像素级特征，几何结构和全局上下文先验。实验结果表明，该方法优于现有的一些最先进的方法，并探讨了在三维重建场景中合成相机姿态以获得更高的性能。

    Aug, 2019

  • 利用地面分割实现抗离群点的长期机器人地图构建

    通过提出快速而稳定的地面分割、鲁棒的带地面分割的异常值鲁棒注册、层次化多场景 SLAM 以及基于实例感知的静态地图构建，实现了一个长期稳定的机器人建图系统。

    May, 2024

  • U3DS$^3$: 无监督的三维语义场景分割

    针对任何整体三维场景，本论文提出了 U3DS$^3$ 作为一个完全无监督的点云分割方法，通过利用点云的固有信息来实现全三维场景分割，并且在 ScanNet、SemanticKITTI 和 S3DIS 数据集上提供了最新的研究成果和具有竞争力的结果。

    Nov, 2023

  • 探索点云三维语义分割的空间上下文

    本文探讨了如何扩展 PointNet 架构以涵盖较大尺度的三维空间语义分割。通过两种扩展策略，该方法在室内和室外数据集上均取得了较好的结果。

    Feb, 2018

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020