{
  "paper_id": "21226f1108fce4cae42e600f4a1242ba",
  "paper_title": "CENET: TOWARD CONCISE AND EFFICIENT LIDAR SEMANTIC SEGMENTATION FOR AUTONOMOUS DRIVING",
  "paper_authors": [
    "Hui-Xian Cheng",
    "Xian-Feng Han",
    "Guo-Qiang Xiao"
  ],
  "publication_date": "",
  "publication_venue": "2022 IEEE International Conference on Multimedia and Expo (ICME)",
  "abstract": "Accurate and fast scene understanding is one of the challenging tasks for autonomous driving, which requires a full advantage of LiDAR point clouds for semantic segmentation. In this paper, we present a concise and efficient image-based semantic segmentation network, named CENet. In order to improve the descriptive power of learned features and reduce the computational as well as time complexity, our CENet integrates the convolution with larger kernel size instead of MLP, carefully selected activation functions, and multiple auxiliary segmentation heads with corresponding loss functions into architecture. Quantitative and qualitative experiments conducted on publicly available benchmarks, SemanticKITTI and SemanticPOSS, demonstrate that our pipeline achieves much better mIoU and inference performance compared with state-of-the-art models. The code will be available at https://github.com/huixiancheng/CENet.",
  "keywords": [
    "LiDAR Point Cloud",
    "Autonomous Driving",
    "Semantic Scene Understanding",
    "Semantic Segmentation"
  ],
  "paper_institutions": [
    "College of Computer and Information Science, Southwest University, Chongqing, China"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:28:23.360871Z",
  "template_tag": "simple",
  "summary": "### 摘要\n自动驾驶要求对环境进行准确、实时的感知与理解，LiDAR点云语义分割（逐点分类）是其中的关键任务。现有方法可分为点基（如PointNet++、KPConv，精度高但计算复杂度高）、体素基（如SPVCNN、Cylinder3D，在Tesla V100上仅约8 fps难以实时）与距离图像基（如KPRNet、Lite-HDSeg，参数量或模型复杂度过高）三类，基线FIDNet虽结构简洁但性能不及当时最优方法。为此，本文提出简洁高效的基于图像的分割网络CENet：先通过球面投影将点云转为尺寸(H,W,5)的5通道距离图像（核心公式 u=1/2[1-arctan(y,x)/π]W，v=[1-(arcsin(z/d)+f_u)/(f_u+f_d)]H，其中d=√(x²+y²+z²)），再以3×3大核卷积替代1×1卷积/MLP（其计算密度在1080Ti上可达1×1卷积的4倍）、SiLU与Hardswish激活函数增强非线性表达能力、以及推理时可移除的多个辅助分割头（总损失 L_total=L_main+λΣL(y_i,ŷ_i)，λ=1.0时最佳）提升学习能力。在公开基准SemanticKITTI（43,551帧扫描，序列00–10训练、11–21测试、08验证）与SemanticPOSS（2,988个含大量稀疏动态实例的场景，part 2为测试集）上，采用单张NVIDIA RTX3060/3090、SGD优化器（动量0.9、权重衰减1e-4）及随机旋转/随机点丢弃/坐标噪声等数据增强训练，以mIoU与FPS为指标评估：SemanticKITTI测试集上64×2048输入达64.7% mIoU、37.8 FPS，64×1024输入62.3% mIoU、67.9 FPS，64×512输入60.7% mIoU、84.9 FPS，均大幅超越现有方法；SemanticPOSS上达49.9% mIoU（+KNN后50.3%），较MINet与FIDNet分别提升7.1%与3.9%，验证了大核卷积、激活函数选择与辅助分割头等创新的有效性。消融实验（验证集mIoU从基线55.4%提升至65.3%）及辅助损失在HarDNet骨干上的迁移（55.1%→61.3%）表明方法具有泛化能力，未来可探索更多骨干结构与更高效的架构设计。实际部署需权衡自动驾驶对实时性（高FPS、低延迟、低参数量）的要求与距离图像投影固有的信息损失这一约束。\n\n### 关键要点\n- CENet是面向自动驾驶的简洁高效LiDAR语义分割网络，基于距离图像表示，在不增加有效参数的前提下同时提升分割精度与推理速度。\n- 通过球面投影将3D点云转换为尺寸为(H,W,5)的5通道距离图像（每像素含x、y、z、深度d与强度r），将点云分割转化为可利用高度优化2D卷积的图像分割任务。\n- 用3×3卷积替代FIDNet中的1×1卷积/MLP：距离图像具有结构特征，且3×3卷积在1080Ti上的计算密度可达1×1卷积的4倍，实测64×2048输入下模型延迟从29.347ms降至26.128ms。\n- 采用SiLU与Hardswish激活函数增强网络非线性表达能力，在不增加参数的情况下提升性能，且对推理速度影响极小。\n- 引入多个辅助分割头（Plan A对GT标签按对应比率下采样，Plan B基于上采样至最终输出尺寸的特征图计算损失），训练时提供额外监督，推理时可移除，不增加推理参数与延迟。\n- 损失函数为三项加权组合 L=αL_wce+βL_ls+γL_bd（α=1.0、β=1.5、γ=1.0），分别应对类别不平衡、IoU直接优化与边界模糊问题；边界损失基于边界图精确率与召回率的F1形式（θ₀=3）。\n- 在SemanticKITTI测试集上，64×2048输入达64.7% mIoU、37.8 FPS；64×1024输入62.3% mIoU、67.9 FPS；64×512输入60.7% mIoU、84.9 FPS，均优于点基、体素基与图像基对比方法。\n- 在SemanticPOSS测试集上达49.9% mIoU（+KNN后50.3%），较原最佳模型MINet与基线FIDNet分别提升7.1%与3.9%，且几乎在所有类别IoU上领先。\n- 消融实验（SemanticKITTI验证集，64×512输入）显示：改进基础网络达58.9% mIoU（较FIDNet的55.4%提升3.5%）；3×3卷积+Hardswish+Plan B组合达65.3% mIoU。\n- 辅助损失权重λ=1.0时效果最佳（mIoU从59.2%提升至64.3%）；Plan B优于Plan A，因其直接基于上采样特征图计算损失，起到逐阶段特征精炼作用。\n- 辅助损失模块在不同骨干上具有泛化性：FC-HarDNet-70从55.1%优化至58.7%，加入Plan B后达61.3% mIoU。\n- 实验在单张NVIDIA RTX3060/3090上进行，采用SGD优化器（动量0.9、权重衰减1e-4）与随机旋转、随机点丢弃、坐标噪声等数据增强；SemanticKITTI训练100 epochs（初始学习率1e-2，余弦退火调度），SemanticPOSS训练3轮共45 epochs（学习率介于1e-5至1e-3）。"
}