A Cylindrical Convolution Network for Dense Top-View Semantic Segmentation with LiDAR Point Clouds

Das Kapitel stellt ein zylindrisches Faltungsnetzwerk vor, das für eine dichte semantische Segmentierung von oben mit LiDAR-Punktwolken konzipiert wurde, einem entscheidenden Aspekt autonomer Fahrsysteme. Durch die Nutzung zylindrischer Darstellung und spärlicher 3D-Faltung bewältigt das Netzwerk die Spärlichkeit und geometrische Komplexität von LiDAR-Daten effektiv. Die vorgeschlagene Methode übertrifft bestehende Ansätze zu Benchmark-Datensätzen wie SemanticKITTI und nuScenes-LidarSeg und demonstriert ihre Überlegenheit bei der Erfassung detaillierter räumlicher Merkmale und der Verbesserung des allgemeinen semantischen Verständnisses der Umwelt. Die Architektur umfasst ein Zylinder-zu-BEV-Modul und ein modifiziertes U-Net, die zusammen die semantischen Merkmale transformieren und verfeinern, was zu präzisen und dichten Segmentierungskarten von oben führt. Das Kapitel enthält außerdem umfassende experimentelle Ergebnisse und Ablationsstudien, die die Robustheit und Effektivität der Methode in realen Szenarien aufzeigen.