Object Segmentation of Cluttered Airborne LiDAR Point Clouds

要約

航空機搭載型地形LiDARは、近赤外線を照射して地表の物体を計測するアクティブ型のリモートセンシング技術です。LiDARの派生プロダクトは、豊富な3次元空間情報を持ち、複数のリターンを得ることができるため、幅広いアプリケーションへのサービスに適しています。しかし、点群データを処理するためには、手作業による編集が必要です。また、特定の人造物については、その形状の多様性、点群の不規則な分布、クラスサンプル数の少なさなどから、検出が困難である。本研究では、クラッタに囲まれた任意の数のLiDAR点によって定義された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効率的なエンドツーエンドの深層学習フレームワークを提案する。我々の手法は、オブジェクト認識とセグメンテーションの両方のタスクで良好なパフォーマンスを達成するPointNetの軽量版に基づいている。この結果は、手動で定義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る。

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 efficient 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, DeepL