在自主驾驶领域迅速发展的背景下，对激光雷达（LiDAR）数据的精确分割对于理解复杂的3D环境至关重要。传统方法常常依赖于不同的独立代码库，这阻碍了模型间的统一进展和公平基准测试。
为了应对这些挑战，作者推出了MMDetection3D-lidarseg，这是一个全面的工具箱，旨在高效地训练和评估最先进的激光雷达分割模型。
作者支持广泛的分割模型，并整合了先进的数据增强技术以增强鲁棒性和泛化能力。此外，该工具箱还支持多种领先的稀疏卷积后端，以提高计算效率和性能。
通过促进统一框架，MMDetection3D-lidarseg简化了开发和基准测试，为研究和应用设定了新标准。作者在广泛使用的数据集上的大量基准实验证明了该工具箱的有效性。该代码库和训练好的模型已公开发布，推动了自主驾驶领域激光雷达分割研究的进一步发展和创新。
1 Introduction
激光雷达（LiDAR，光检测与测距）是一种先进的遥感技术，它使用激光脉冲测量到物体的距离，当安装在车辆、无人机或其他平台上时，能够捕获关于环境的高分辨率三维信息[25, 32, 86]。这种能力对于自动驾驶等应用至关重要，在这些应用中，理解复杂的3D环境对于安全导航是必不可少的[3, 35, 61]。激光雷达提供了丰富的空间细节，补充了其他如摄像头和雷达等传感器，为感知和解释周围世界提供了一个坚实的基础。
图1：来自不同代码库的最先进的激光雷达分割模型[102, 20]在SemanticKITTI [4]和nuScenes [28]数据集验证集上的性能比较。
激光雷达分割是将激光雷达生成的点云中的单个点分类到不同的语义类别中的过程，例如车辆、行人和道路[4, 8, 28, 90]。这种分割对于解释环境中的结构和物体类型是基本的，这对于自动驾驶系统中的情境意识和决策至关重要。有效的激光雷达分割增强了自动驾驶车辆在复杂场景中导航、避开障碍物和做出明智决策的能力。
尽管其重要性不言而喻，但激光雷达分割模型最近的发展面临重大挑战。该领域支离破碎，存在许多独立且往往不兼容的代码库[78, 102, 36]。如表1所示，这种碎片化导致研究和开发效率低下，使得不同模型之间的公平全面比较变得困难[87, 44, 58]。此外，许多现有解决方案常常难以满足动态多变的自动驾驶环境的需求，这需要灵活、可扩展和健壮的分割框架。
激光雷达分割面临的一个主要挑战是不同稀疏卷积后端的集成，这对于高效处理激光雷达点云的稀疏和不规则特性至关重要。稀疏卷积网络在3D点云处理方面已经显示出性能和计算效率的显著改进[78]。然而，由于缺乏标准化工具和基准，在一个统一框架内探索和比较这些后端一直具有挑战性。
在面对上述挑战的过程中，在本工作中，作者提出了
-lidarseg，这是一个先进的工具箱，旨在统一、优化和简化激光雷达分割模型的训练和基准测试。
-lidarseg集成了多个高级功能，以促进连贯和高效的开发，提供了一个增强研究成果可比较性和可重复性的统一框架。作者的工具箱支持探索和比较各种稀疏卷积后端，提供了一个标准化基准，提高了广泛使用的分割模型的性能。
作者的设计强调以下几个关键原则如下：
表1：现有激光雷达分割代码库支持模型、稀疏卷积后端和3D数据增强技术的概览。
-lidarseg是作者代码库的简称，“
”表示官方支持的功能。
-
统一框架：通过将各种激光雷达分割模型和技术整合到一个全面工具箱中，作者消除了代码库的碎片化，使得模型开发更高效，更容易进行基准测试。
-
优化与效率：作者的工具箱包括最先进算法的优化实现，确保模型可以快速有效地进行训练和评估。这对于学术研究和现实应用都至关重要，因为在这些领域中时间和资源效率至关重要。
-
灵活性与可扩展性：MMDetection3D-lidarseg工具包旨在具有灵活性和可扩展性，能够适应不同的驾驶场景并处理大规模点云数据。这种灵活性确保了工具箱能够满足研究行人和实践者在领域中不断变化的需求。
-
综合基准测试：为了促进公平和全面的比较，作者提供了一系列标准化的基准，涵盖了包括全监督、半监督和弱监督激光雷达分割在内的广泛任务。这些基准帮助确保不同的模型可以在共同的基础上进行评估，促进研究的透明度和严谨性。
-
公开可用性与合作：通过公开代码库和训练好的模型，作者鼓励在激光雷达分割领域进行合作和开放式创新。这种开放性有助于加快进展的速度，并促进一种以社区驱动的问题解决方法。
MMDetection3D-lidarseg 在激光雷达分割模型的发展中迈出了重要一步，解决了关键挑战，并为研究和应用设定了新标准。如图1所示，作者实现的模型在现有代码库的基础上取得了持续且显著的性能提升。通过提供一个全面且灵活的平台，作者的工具箱旨在加速自动驾驶技术的创新，最终为更安全、更可靠的自动驾驶系统的发展做出贡献。
2 Related Work
近年来，深度学习技术的发展显著推进了计算机视觉领域。卷积神经网络（CNNs）在这一进展中发挥了至关重要的作用，在图像分类、目标检测和语义分割等各项任务中取得了重大突破。
LiDAR Semantic Segmentation
将LiDAR获取的点云分割成有意义的语义类别对于实现全面的三维场景理解至关重要，特别是在自动驾驶的背景下[30, 82, 91]。LiDAR语义分割方法的演变经历了从早期手工制作特征[48, 88]和传统机器学习方法[26, 27]向深度学习方法[38, 81, 37]的主导地位的转变。卷积神经网络（CNNs），最初为图像分析而开发，已通过创新策略[84]适应处理非结构化的点云数据。其中一种策略是 Voxel 化[102, 35, 78, 20]，它将点云转换为适合标准3D CNN操作的结构化3D网格格式。然而，由于点云数据的稀疏性， Voxel 化通常会导致较高的计算成本和内存使用。
另外，基于投影的方法[67, 93, 100, 24, 56]通过将点云栅格化为2D范围图像或鸟瞰图，利用2D CNNs的高效性。尽管这些方法效率高，但它们可能会牺牲一些3D空间信息[1, 40, 41, 95]。LiDAR语义分割的演变特点是持续探索这些方法，每一种方法在准确性、计算效率和可扩展性方面都提供了独特的权衡。最近的研究进展集中在集成多模态数据源，增强实时处理能力，并提高在多样化环境条件下的模型鲁棒性。这些进展突显了LiDAR分割研究的动态性，努力在精确度、效率和鲁棒性之间的竞争需求中寻求平衡。
3D Operators
稀疏卷积是激光雷达分割中的一个基本算子。为了理解其重要性，作者首先考虑N维密集卷积。令
和
分别表示输入和输出特征，其中
和
是N维坐标（例如，在3D空间中
）。卷积核的大小为
，卷积核偏移为
。卷积核的权重
的形状为
，其中
和
分别表示输入和输出特征的维度。对于每个偏移量
（例如，
），权重
可以被分解为
个形状为
