Automatische instanzbasierte Segmentierung von LiDAR-3D-Scans ohne Aufsicht

Wir entwickeln einen lernbasierten, etikettenfreien Algorithmus zur instanzbasierten Segmentierung von Outdoor-LiDAR-3D-Punktwolken. Unser Verfahren nutzt dichte, registrierte 3D- und RGB-Daten, um dichte 3D-Instanzmaskenvorschläge zu erstellen, indem es ein merkmalsbewusstes Netzwerk konstruiert und zerschneidet. Unser Algorithmus profitiert zusätzlich von einem selbsttrainierten Verfeinerungsschritt, der keine Referenzannotationen erfordert, sondern die auf unüberwachte Weise erhaltenen Vorschläge anpasst und verfeinert.