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/