A Preprocessing and Postprocessing Voxel-based Method for LiDAR Semantic Segmentation Improvement in Long Distance

近年来，LiDAR语义分割领域进行了大量研究，引入了几种新的最先进模型。然而，大多数研究都集中在单次扫描点云上，通过省略时间序列信息限制了在长距离室外场景中的性能。此外，不同密度和遮挡构成了单次扫描方法中的重大挑战。在本文中，我们提出了一种LiDAR点云预处理和后处理方法。这种多阶段方法与多次扫描设置中的最先进模型相结合，旨在解决这些挑战。我们通过对单次扫描设置中给定模型的定量评估来展示我们的方法的好处。特别是，在中距离和远距离上，我们实现了超过5个百分点和10个百分点的mIoU性能显著提高。这对于长距离的三维语义场景理解以及允许离线处理的应用非常重要。

该论文旨在解决单次扫描点云在长距离室外场景下的性能限制，提出了一种多阶段LiDAR点云预处理和后处理方法，以及在多次扫描设置下使用现有模型的解决方案。

该论文的关键思路是通过多阶段LiDAR点云预处理和后处理方法，结合现有模型在多次扫描设置下解决单次扫描点云中存在的密度变化和遮挡等挑战。

该论文通过定量评估证明了该方法的优势，并在中远距离的mIoU性能上实现了显著提高。实验使用了现有数据集，并提供了开源代码。该方法对于长距离的三维语义场景理解以及离线处理的应用具有重要意义。

最近的相关研究包括：《Multi-Scale Point-Plane Features for Real-Time LiDAR Semantic Segmentation》、《Range Adaptation for LiDAR-based 3D Object Detection》等。