[!重要] 仓库已归档
本仓库已归档，不再积极维护。欢迎您浏览代码，但请注意，我们不再接受任何更新、问题或拉取请求。

感谢您的关注和贡献。

LiDAR-Bonnetal

使用距离图像对点云进行语义分割。

由 Andres Milioto、Jens Behley、Ignacio Vizzo 和 Cyrill Stachniss 开发

SemanticKITTI 数据集分割结果示例：

描述

本代码提供了训练和部署LiDAR扫描语义分割的代码，使用距离图像作为中间表示。训练流程可在 /train 中找到。我们将很快开源部署流程。

预训练模型

SemanticKITTI

• squeezeseg
• squeezeseg + crf
• squeezesegV2
• squeezesegV2 + crf
• darknet21
• darknet53
• darknet53-1024
• darknet53-512

要启用kNN后处理，只需在模型目录内的 arch_cfg.yaml 文件参数中将布尔值更改为 True。

模型预测结果

SemanticKITTI

这些是训练集、验证集和测试集的预测结果。可以对训练集和验证集的性能进行评估，但对于测试集评估需要向基准测试提交（标签不公开）。

无后处理：

• squeezeseg
• squeezeseg + crf
• squeezesegV2
• squeezesegV2 + crf
• darknet21
• darknet53
• darknet53-1024
• darknet53-512 使用k-NN处理：
• squeezeseg
• squeezesegV2
• darknet53
• darknet21
• darknet53-1024
• darknet53-512

许可证

LiDAR-Bonnetal：MIT

版权所有 2019，Andres Milioto、Jens Behley、Cyrill Stachniss。波恩大学。

特此免费授予任何获得本软件及相关文档文件（"软件"）副本的人无限制地处理本软件的权利，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或销售本软件副本的权利，以及允许向其提供本软件的人这样做，但须符合以下条件：

上述版权声明和本许可声明应包含在本软件的所有副本或重要部分中。

本软件按"原样"提供，不提供任何明示或暗示的保证，包括但不限于对适销性、特定用途适用性和非侵权性的保证。在任何情况下，作者或版权持有人均不对任何索赔、损害或其他责任负责，无论是在合同诉讼、侵权行为还是其他方面，均由软件或软件的使用或其他交易引起、由软件引起或与之相关。

预训练模型：取决于模型和数据集

使用特定数据集的预训练模型保留该数据集的版权。

引用

如果您在任何学术工作中使用我们的框架、模型或预测结果，请引用原始论文和数据集。

@inproceedings{milioto2019iros,
  author    = {A. Milioto and I. Vizzo and J. Behley and C. Stachniss},
  title     = {{RangeNet++: Fast and Accurate LiDAR Semantic Segmentation}},
  booktitle = {IEEE/RSJ Intl.~Conf.~on Intelligent Robots and Systems (IROS)},
  year      = 2019,
  codeurl   = {https://github.com/PRBonn/lidar-bonnetal},
  videourl  = {https://youtu.be/wuokg7MFZyU},
}

@inproceedings{behley2019iccv,
  author    = {J. Behley and M. Garbade and A. Milioto and J. Quenzel and S. Behnke and C. Stachniss and J. Gall},
  title     = {{SemanticKITTI: A Dataset for Semantic Scene Understanding of LiDAR Sequences}},
  booktitle = {Proc. of the IEEE/CVF International Conf.~on Computer Vision (ICCV)},
  year      = {2019}
}