Tackling Clutter in Radar Data — Label Generation and Detection Using PointNet++

要約

環境認識に使用されるレーダーセンサー。
自動運転車では、大量の不要な混乱を出力します。
対応する実際のオブジェクトが存在しないこれらのポイントは、オブジェクトの検出や追跡などの次の処理ステップでエラーの主な原因となります。
したがって、クラッターを識別するための 2 つの新しいニューラル ネットワーク設定を提示します。
入力データ、ネットワーク アーキテクチャ、およびトレーニング構成は、このタスク専用に調整されています。
複数のセンサー スキャンで構成される点群のダウンサンプリングには、特別な注意が払われます。
広範な評価では、新しいセットアップは既存のアプローチよりも大幅に優れたパフォーマンスを示します。
クラッターに注釈が付けられた適切な公開データ セットがないため、それぞれのラベルを自動的に生成する方法を設計します。
オブジェクト アノテーションを使用して既存のデータに適用し、そのコードを公開することで、実際の運転シナリオを表す、自由に利用できる最初のレーダー クラッター データ セットを効果的に作成します。
コードと手順は、www.github.com/kopp-j/clutter-ds でアクセスできます。

要約(オリジナル)

Radar sensors employed for environment perception, e.g. in autonomous vehicles, output a lot of unwanted clutter. These points, for which no corresponding real objects exist, are a major source of errors in following processing steps like object detection or tracking. We therefore present two novel neural network setups for identifying clutter. The input data, network architectures and training configuration are adjusted specifically for this task. Special attention is paid to the downsampling of point clouds composed of multiple sensor scans. In an extensive evaluation, the new setups display substantially better performance than existing approaches. Because there is no suitable public data set in which clutter is annotated, we design a method to automatically generate the respective labels. By applying it to existing data with object annotations and releasing its code, we effectively create the first freely available radar clutter data set representing real-world driving scenarios. Code and instructions are accessible at www.github.com/kopp-j/clutter-ds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google