Real-Time Semantic Segmentation using Hyperspectral Images for Mapping Unstructured and Unknown Environments

要約

構造化されていないオフロード環境での自律ナビゲーションは、セマンティック シーンの理解によって大幅に改善されます。
従来の画像処理アルゴリズムは、実装が難しく、オフロード環境全体での構造の欠如と高い変動性のために堅牢性に欠けていました。
ニューラル ネットワークと機械学習を使用すると、以前の課題を克服できますが、トレーニングには大量のラベル付きデータ セットが必要です。
私たちの仕事では、事前のトレーニングデータを必要とせずに、リアルタイムのピクセル単位のセマンティック分類とセグメンテーションにハイパースペクトル画像を使用することを提案します。
得られたセグメント化された画像は、多角形近似アルゴリズムを使用して、オブジェクトを多角形として抽出、フィルター処理、および近似するために処理されます。
結果として得られるポリゴンは、環境のセマンティック マップを生成するために使用されます。
私たちのフレームワークを使用します。
分類のために実行時に新しいセマンティック クラスを追加する機能を示します。
提案された方法論は、高解像度のハイパースペクトル画像を使用して、リアルタイムで動作し、1 Hz の周波数で出力を生成することも示されています。

要約(オリジナル)

Autonomous navigation in unstructured off-road environments is greatly improved by semantic scene understanding. Conventional image processing algorithms are difficult to implement and lack robustness due to a lack of structure and high variability across off-road environments. The use of neural networks and machine learning can overcome the previous challenges but they require large labeled data sets for training. In our work we propose the use of hyperspectral images for real-time pixel-wise semantic classification and segmentation, without the need of any prior training data. The resulting segmented image is processed to extract, filter, and approximate objects as polygons, using a polygon approximation algorithm. The resulting polygons are then used to generate a semantic map of the environment. Using our framework. we show the capability to add new semantic classes in run-time for classification. The proposed methodology is also shown to operate in real-time and produce outputs at a frequency of 1Hz, using high resolution hyperspectral images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google