基于自适应协同学习的多模态激光雷达语义分割
Abstract
激光雷达语义分割已成为自动驾驶和智能机器等领域的关键技术。针对现有方法在场景分割中易出现语义混淆的问题，提出一种自适应协同学习多模态融合网络（ACMFNet）。首先，设计了自适应权重特征融合（AWFF）模块，通过动态分配激光雷达点云与相机图像权重，实现模态间语义信息的深度融合，以提升特征表达能力。其次，通过协同学习损失（CL）衡量两种模态的概率分布差异，并通过跨模态知识蒸馏增强模态间的一致性，从而提升多模态分割的整体性能。实验结果表明，ACMFNet在SemanticKITTI和NuScenes数据集上的语义分割平均交并比分别达到69.3%和79.6%，相较于单模态基线模型SPVCNN分别提高3.5百分点和3.9百分点，验证了所提方法良好的分割精度和泛化能力。
Fields of Study & Subjects
Advanced Neural Network Applications
Autonomous Vehicle Technology and Safety
Domain Adaptation and Few-Shot Learning
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0215013–0215013
- Publication date
- 1 January 2026
- Language
- EN