基于极少量扫描帧的LiDAR点云移动物体高效分割方法研究

《IEEE Open Journal of Signal Processing》：Efficient Moving Object Segmentation in LiDAR Point Clouds Using Minimal Number of Sweeps

本文针对自动驾驶环境中LiDAR点云移动物体分割（MOS）计算量大、依赖多帧数据和预定义类别等问题，提出了一种名为2DPASS-MOS的创新方案。该研究通过跨模态知识迁移技术，在训练阶段融合相机与LiDAR数据，推理阶段仅需1-2帧LiDAR点云即可实现移动物体分割。实验表明，该方法在SemanticKITTI和Apollo数据集上达到最先进性能，且具备实时处理能力，为自动驾驶系统提供了更高效的动态环境感知解决方案。

　　

在自动驾驶技术飞速发展的今天，LiDAR传感器因其不受光照条件影响的优势，成为环境感知的核心部件。然而，移动物体分割（Moving Object Segmentation, MOS）作为自动驾驶安全导航的关键技术，长期以来面临着重大的技术挑战。传统方法往往需要连续处理多达10帧的LiDAR点云数据（约50-100万个点），计算负担沉重，且严重依赖预先构建的环境地图。更令人担忧的是，这些方法通常限定在已知的移动物体类别（如车辆、行人等），一旦遇到未知类别的移动物体（如动物），就可能造成严重的识别盲区。

针对这些痛点，匈牙利机器感知研究实验室的ZOLTAN ROZSA团队在《IEEE Open Journal of Signal Processing》上发表了一项突破性研究。他们提出了一种名为2DPASS-MOS的创新框架，实现了"极简帧数"下的高效移动物体分割。这项技术的核心思想令人惊叹：仅需1-2帧LiDAR扫描数据，无需任何地图先验知识，就能准确识别移动物体，这好比让自动驾驶系统具备了"一眼识动态"的非凡能力。

研究团队采用了一种巧妙的跨模态知识迁移策略。在训练阶段，模型同时学习LiDAR点云和对应的相机图像特征，让LiDAR模态从视觉模态中"汲取"关于物体运动状态的隐含知识。例如，模型可以学会识别行人肢体姿态的差异、车辆在道路与停车场的不同状态等运动线索。而在实际推理（应用）阶段，系统仅需LiDAR点云输入，充分发挥LiDAR不受光照条件影响的优势。

关键技术方法包括：（1）基于2DPASS架构的跨模态知识迁移，通过多尺度融合实现模态间特征对齐；（2）针对移动物体分割任务重新设计的三类别（静态/动态/忽略）损失函数；（3）多帧实例分割算法，利用语义信息对目标级运动状态进行决策；（4）测试时增强（TTA）策略提升预测稳定性。所有实验均在SemanticKITTI和Apollo真实自动驾驶数据集上进行验证。

研究结果

性能对比分析

在SemanticKARTTI验证集上的测试结果显示，2DPASS-MOS在单帧输入（N=1）情况下达到66.0%的交并比（IoU），显著优于其他需要多帧输入的方法。当使用两帧输入（N=2）时，性能进一步提升至77.8%，超越了当前所有已发表的实时MOS方法。特别是在Apollo数据集上的跨域测试中，未经任何微调的模型直接达到80.6%的IoU，证明了方法的强泛化能力。

定性结果展示

通过可视化对比可以发现，2DPASS-MOS在复杂场景中表现出色。如图3所示，传统方法容易将停在路边的车辆误判为移动物体，或漏检缓慢移动的车辆，而2DPASS-MOS能够准确识别这些边界情况。这种优势源于方法不依赖显著位移作为运动判断依据，而是从外观特征中学习运动规律。

消融实验验证

系统组件的有效性通过详尽的消融实验得到验证。如表4所示，跨模态知识迁移、多帧扩展和实例分割每个组件都带来性能提升。特别值得注意的是，语义信息在跨域测试（Apollo数据集）中发挥关键作用，说明模型学会了可迁移的环境知识。

敏感性分析

研究还深入分析了关键参数的影响。如图4所示，当实例分割使用的帧数（K）增加时，性能持续提升且计算开销增长平缓（每增加1帧最多增加9ms处理时间）。相比之下，其他方法的性能随输入帧数减少而急剧下降。测试时增强（TTA）的投票数优化为单帧12次、双帧1次，在精度和效率间取得最佳平衡。

实时性能评估

运行时分析表明，单帧配置（112ms）是测试方法中最快的，双帧配置（225ms）也满足LiDAR典型10Hz采集频率的实时要求。相比之下，当前性能最好的MF-MOS需要877ms，难以满足实时应用需求。

结论与展望

2DPASS-MOS研究证明了极简帧数LiDAR移动物体分割的可行性，开创了移动物体分割的新范式。该方法不仅实现了最先进的性能指标，更在计算效率、泛化能力和实用性方面取得显著突破。其技术意义主要体现在三个方面：首先，通过跨模态知识迁移实现了单模态高效推理，为多传感器协同学习提供了新思路；其次，摒弃了对预定义物体类别的依赖，增强了系统对未知动态物体的识别能力；最后，极简帧数要求大幅降低了计算负担，为资源受限的嵌入式平台部署提供了可能。

这项研究为自动驾驶环境感知系统提供了更灵活、高效的解决方案，特别适合对实时性要求极高的应用场景。未来研究方向包括进一步验证方法在遮挡场景下的鲁棒性，扩展对更广泛未知类别的识别能力，以及探索从其他自动驾驶传感器进行知识迁移的可能性。随着自动驾驶技术向更高等级发展，这种高效、通用的移动物体分割方法必将发挥越来越重要的作用。