2024CVPR-18-一维结构的点云CurveCloudNet: Processing Point Clouds with 1D Structure

文章摘要：
现代深度传感器，如激光雷达，通过在场景中扫描激光束来操作，从而产生一个具有显著一维曲线状结构的点云。在这项工作中，我们引入了一种新的点云处理方案和主干，称为曲线云网，它利用了这些传感器固有的曲线状结构。虽然现有的主干丢弃了丰富的1d遍历模式，并且依赖于通用的3d操作，但Curvecloudnet将点云参数化为折线的集合(称为“曲线云”)，在点上建立局部表面感知排序。通过沿曲线进行推理，curvecloudnet 捕获轻量级曲线感知先验，以便在几种不同的 3d 环境中高效准确地进行推理。我们在表现出不同 3d 大小和结构的多个合成数据集和真实数据集上评估 curvecloudnet。我们证明了曲线cloudnet在各种分割设置中都优于基于点的和稀疏体素主干，特别是比基于点的替代方案更好地扩展到大场景，同时在稀疏体素替代方案上表现出改进的单目标性能。总之，curvecloudnet是一个高效、准确的主干，可以处理比过去的工作更多的3d环境

结论：我们已经描述了一种点云处理方案和主干曲线cloudnet，它引入了曲线级操作，以实现点云分割的准确、高效和灵活的性能。curvecloudnet 在 shapenet、kortx、a2d2、nuscenes 和 kitti 数据集上优于以前的方法，平均而言实现了最佳性能。组合在一起，curvecloudnet是具有各种扫描模式的小规模和大规模场景的统一解决方案。

然而，curvecloudnet 有局限性。

首先，曲线cloudnet只设计用于激光扫描数据，即由于1d激光遍历，具有显式曲线结构的点云。我们相信一个有希望的未来方向是研究可以将曲线cloudnet 8扩展到均匀采样点云的虚拟曲线。此外，我们相信未来的研究可以继续改进曲线操作。虽然我们提出的曲线操作产生了显着的改进，但