RGBD语义分割国内外研究现状

RGBD语义分割是指在RGBD图像中对每个像素进行分类，以实现对场景的语义理解。以下是RGBD语义分割的国内外研究现状：

1. 基于深度学习的RGBD语义分割方法已经成为当前的主流方法。其中，一些基于卷积神经网络（CNN）的方法已经在各种RGBD数据集上取得了很好的效果。例如，FCN、DeepLab、PSPNet等。

2. 除了基于CNN的方法外，还有一些基于图像分割的方法，如基于超像素的方法、基于图割的方法等。这些方法通常需要手动选择超像素或者手动调整参数，但是在一些特定场景下，这些方法仍然具有一定的优势。

3. 在RGBD语义分割中，深度信息的质量对分割结果有很大的影响。因此，一些研究者提出了一些方法来提高深度信息的质量，如基于多视角的方法、基于传感器自标定的方法等。

4. 目前，RGBD语义分割已经应用于许多领域，如机器人导航、自动驾驶、虚拟现实等。在这些领域中，RGBD语义分割可以帮助机器人或者车辆更好地理解周围环境，从而更好地完成任务。