AAAI2025｜PC-BEV：巧用多坐标系融合策略，实现点云分割 170 倍加速，精度显著提升！
引言
本文提出了一种基于鸟瞰图（BEV）空间的激光雷达点云分割方法。该方法通过融合极坐标和笛卡尔分区策略，实现了快速且高效的特征融合。利用固定网格对应关系，避免了传统点云交互中的计算瓶颈，并通过混合 Transformer-CNN 架构增强了场景理解能力。实验结果证明，该方法在性能和推理速度方面均优于现有的多视图融合技术。
论文题目： PC-BEV: An Efficient Polar-Cartesian BEV Fusion Framework for LiDAR Semantic Segmentation
论文地址： https://arxiv.org/pdf/2412.14821
激光雷达点云分割是自动驾驶领域的核心任务，其目标在于精细地理解周围环境的语义信息。目前，该领域的方法主要分为三类：基于点的方法、基于体素的方法和基于投影的方法。
其中，基于投影的方法因其能够利用 2D 卷积神经网络（CNN）高效处理投影点云而受到青睐。但是，相比于计算量大的基于体素方法，从 3D 到 2D 的投影过程中不可避免地丢失信息，这限制了这种算法的性能。
为了缩小这一性能差距，多视图融合技术应运而生，通过整合不同投影技术捕获的互补信息。近期的多视图融合方法，如 AMVNet、GFNet 和 CPGNet，通过基于点的特征交互增强了表示学习。
然而，由于缺乏视图间的固定对应关系，这些方法需要进行高成本的网格采样和散射操作，影响了实时性能。此外，特征融合通常仅限于点存在的区域，可能会忽略周围区域中有价值的上下文信息。
▲图 1 | 与其他基于投影的方法比较，结果展示了本文方法在性能和速度方面的优越性。
为了克服这些限制，作者提出了一种创新的多分区特征融合框架，完全在 BEV 空间内操作，充分利用了极坐标和笛卡尔分区方案之间的固定对应关系。该方法受到 BEV 中极坐标分区与范围视图中球坐标分区相似性的启发，并且实验表明不同分区方法的性能具有互补性。
为了促进极坐标和笛卡尔分支之间的特征融合，作者引入了一种高效且有效的基于重映射的融合方法。利用极坐标和笛卡尔空间分区在相同 BEV 空间内固有的固定坐标对应关系，预先计算对应参数，再通过精心设计的重映射操作实现高效特征融合。这种方法比以往的基于点的特征交互方法快 170 倍。此外，所有的特征融合在 BEV 空间位置操作，不仅实现了密集融合，还保留了比以往基于点的方法更多的宝贵上下文信息。
作者还提出了一种混合 Transformer-CNN 架构，用于 BEV 特征提取。Transformer 块中的自注意力捕获全局场景信息，然后是一个轻量级的 U-net 样式 CNN 用于详细特征提取。实验结果表明，这种架构在保持实时推理能力的同时增强了模型性能。
▲图 2 | 极坐标 - 笛卡尔 BEV 融合框架用于 3D 点云语义分割任务的流程图。
