[!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： ptcl ptcl

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

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：

许可证

LiDAR-Bonnetal：MIT

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：

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}
}