经典文献阅读之--Self-Supervised Bird’s Eye View Motion,,(基于跨模态信号的自监督鸟瞰图运动预测)-5. 分段刚性损失

在考虑点云上的流估计时，局部刚性是一个重要的物理先验，经常被利用（Dong et al. 2022; Gojcic et al. 2021; Li et al. 2022b; Shen et al. 2023）。与之前的自监督方法不同，这些方法通过在单帧点云上聚类来维持刚性（Li et al. 2022b; Shen et al. 2023），我们引入了一种基于光流图像聚类的简单而有效的点云分段刚性方法。与单帧点云相比，光流图像展现出几个期望的属性。动态物体的运动一致性在光流图像中更加明显，更容易识别和提取。与点云的稀疏和噪声相比，光流图像中移动物体的像素是相邻的，具有高度的均匀性和平滑性。此外，物体与背景之间的边界更加突出。

对于光流图像 $F^{2D}$，我们应用一个简单的图像聚类方法（Achanta et al. 2012）来获得过度分割标签（图3(b)）。过度分割将整个图像划分为许多小片段。由于动态物体的光流一致性，可以轻松确保单个小片段中几乎所有像素都属于同一个物体。

…详情请参照古月居