共计 1558 个字符，预计需要花费 4 分钟才能阅读完成。
PCSeg 高性能点云宰割开源框架强力来袭！反对多个公开数据集上多种 SOTA 算法高精度复现，训练工夫更短、宰割精度更高，开箱即用。室外点云全景宰割钻研必备，目前已开源，欢送 star
一、PCSeg 高性能点云宰割开源框架
点云语义宰割工作旨在将点云中的每个点调配类别甚至实例标签。然而，作为主动驾驶 3D 感知的要害工作之一，现有开源工具箱大多仅围绕室内场景进行，不足对室外场景的反对。于是，上海人工智能实验室智能交通平台组（ADLab）公布 PCSeg 高性能点云宰割开源框架，在 Waymo Open Dataset 和 SemanticKITTI 等公开数据集上反对了多种 SOTA 算法，并提供了强基线复现模型。
代码地址：https://github.com/PJLab-ADG/PCSegPCSeg
专一于主动驾驶畛域的室外点云宰割，致力于推动三维场景了解及其相干畛域的对立和凋敝。在 PCSeg 的帮忙下，开发团队以谋求偏心、效率和性能的形式，在通用的大规模点云数据集上对各种办法进行基准 (Benchmark) 测试。
PCSeg 在领有较高训练速度及推断速度的同时，对几种 SOTA 算法的实现宰割精度均超过了原论文报告的宰割精度。目前，PCSeg 反对 MinkowskiNet、Cylinder3D、SPVCNN、RPVNet 的高精度复现；并反对 SemanticKITTI、ScribbleKITTI、Waymo Open Dataset 在内的数据集，后续会提供对 A2D2、nuScenes 的反对；同时也会在近期更新 Panoptic nuScenes、Panoptic SemanticKITTI、4D Panoptic SemanticKITTI 等对全景宰割工作的数据与办法反对。
下表为在几个 SOTA 办法在 SemanticKITTI 数据集上的 PCSeg 实现性能和原论文报告性能，能够看到，PCSeg 实现的 SPVCNN 和 MinkowskiNet 相比原论文报告的性能具备显著劣势。
PCSeg 框架的深度学习逻辑由 PyTorch 实现，整体采纳简洁易懂的模块化编程。在架构上局部参考了 OpenPCDet 框架[5]，故而对相熟点云畛域的钻研和工程人员比拟敌对。所有模型构造和超参数由 Yaml 文件管制，并为 SemanticKITTI 数据集上的几个代表性办法提供了预训练模型参数。
二、已反对的大规模点云数据集
● SemanticKITTI
下载地址：https://opendatalab.com/SemanticKITTI
● ScribbleKITTI
下载地址：https://github.com/ouenal/scribblekitti
● Waymo
下载地址：https://opendatalab.com/Waymo
参考资料
[1]4DSpatio-Temporal ConvNets: Minkowski Convolutional Neural Networks
[2] Cylindrical and Asymmetrical 3D Convolution Networksfor LiDAR Segmentation
[3]Searching Efficient 3D Architectures with Sparse Point-Voxel Convolution
[4]RPVNet: A Deep and Efficient Range-Point-Voxel Fusion Network for LiDAR Point Cloud Segmentation
[5]OpenPCDet Toolbox for LiDAR-based 3D Object Detection
作者丨上海人工智能实验室智能交通平台组（ADLab）
更多主动驾驶数据集，欢送拜访 OpenDataLab 官网查看与下载：https://opendatalab.org.cn/