Object Segmentation of Cluttered Airborne LiDAR Point Clouds

要約

空中地形 LiDAR は、近赤外線を放射して地表の物体をマッピングするアクティブ リモート センシング技術です。
LiDAR の派生製品は、豊富な 3 次元空間情報と複数のリターンを取得できるため、幅広いアプリケーションに対応するのに適しています。
ただし、点群データの処理には、手動での編集にかなりの労力が必要です。
特定の人工オブジェクトは、さまざまな形状、不規則に分布する点群、およびクラス サンプルの数が少ないため、検出が困難です。
この作業では、クラッターに囲まれた任意の数の LiDAR ポイントによって定義されるオブジェクトの検出とセグメンテーションを自動化するためのエンドツーエンドのディープ ラーニング フレームワークを提案します。
私たちの方法は、オブジェクト認識とセグメンテーション タスクの両方で優れたパフォーマンスを達成する PointNet のライト バージョンに基づいています。
結果は、手動で線引きされた送電鉄塔に対してテストされ、有望な精度を示しています。

要約(オリジナル)

Airborne topographic LiDAR is an active remote sensing technology that emits near-infrared light to map objects on the Earth’s surface. Derived products of LiDAR are suitable to service a wide range of applications because of their rich three-dimensional spatial information and their capacity to obtain multiple returns. However, processing point cloud data still requires a significant effort in manual editing. Certain human-made objects are difficult to detect because of their variety of shapes, irregularly-distributed point clouds, and low number of class samples. In this work, we propose an end-to-end deep learning framework to automatize the detection and segmentation of objects defined by an arbitrary number of LiDAR points surrounded by clutter. Our method is based on a light version of PointNet that achieves good performance on both object recognition and segmentation tasks. The results are tested against manually delineated power transmission towers and show promising accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google