CurveCloudNet: Processing Point Clouds with 1D Structure

要約

LiDAR などの最新の深度センサーは、レーザー ビームをシーン全体にスイープすることで動作し、顕著な 1D 曲線のような構造を持つ点群を生成します。
この作業では、これらのセンサーに固有の曲線のような構造を利用する、CurveCloudNet と呼ばれる新しい点群処理スキームとバックボーンを紹介します。
既存のバックボーンは豊富な 1D トラバーサル パターンを破棄し、ユークリッド演算に依存しますが、CurveCloudNet はポイント クラウドをポリラインのコレクション (「カーブ クラウド」と呼ばれます) としてパラメータ化し、ポイントでローカル サーフェスを意識した順序付けを確立します。
私たちの方法は、曲線クラウドを処理するために曲線固有の操作を適用します。これには、対称的な 1D 畳み込み、曲線に沿って点をマージするためのボール グループ化、および曲線上の効率的な 1D 最遠点サンプリング アルゴリズムが含まれます。
これらの曲線操作を既存のポイントベースの操作と組み合わせることで、CurveCloudNet は効率的でスケーラブルで正確なバックボーンとなり、GPU メモリ要件が低くなります。
ShapeNet、Kortx、Audi Driving、および nuScenes データセットでの評価は、CurveCloudNet がさまざまなセグメンテーション設定でポイント ベースおよびスパース ボクセル バックボーンの両方よりも優れていることを示しています。
-ボクセルの代替。

要約(オリジナル)

Modern depth sensors such as LiDAR operate by sweeping laser-beams across the scene, resulting in a point cloud with notable 1D curve-like structures. In this work, we introduce a new point cloud processing scheme and backbone, called CurveCloudNet, which takes advantage of the curve-like structure inherent to these sensors. While existing backbones discard the rich 1D traversal patterns and rely on Euclidean operations, CurveCloudNet parameterizes the point cloud as a collection of polylines (dubbed a ‘curve cloud’), establishing a local surface-aware ordering on the points. Our method applies curve-specific operations to process the curve cloud, including a symmetric 1D convolution, a ball grouping for merging points along curves, and an efficient 1D farthest point sampling algorithm on curves. By combining these curve operations with existing point-based operations, CurveCloudNet is an efficient, scalable, and accurate backbone with low GPU memory requirements. Evaluations on the ShapeNet, Kortx, Audi Driving, and nuScenes datasets demonstrate that CurveCloudNet outperforms both point-based and sparse-voxel backbones in various segmentation settings, notably scaling better to large scenes than point-based alternatives while exhibiting better single object performance than sparse-voxel alternatives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google