PQM: A Point Quality Evaluation Metric for Dense Maps

要約

LiDAR ベースのマッピング/再構成はさまざまなアプリケーションにとって重要ですが、生成される高密度マップの品質を評価するのは困難です。
現在の方法には、完全性、構造情報、局所的な誤差の変動を捕捉できないなどの制限があります。
この論文では、点群品質のより包括的な評価を提供する 4 つのサブメトリクスで構成される新しい点品質評価メトリクス (PQM) を提案します。
完全性サブメトリックは欠損データの割合を評価し、アーティファクト スコア サブメトリックはアーティファクトを認識して特徴付け、精度サブメトリックは登録精度を測定し、解像度サブメトリックは点群密度を定量化します。
プロトタイプのデータセットを使用したアブレーション研究を通じて、各サブメトリックの有効性を実証し、それらを一般的な点群の距離測定と比較します。
3 つの LiDAR SLAM システムを使用してマップを生成し、その出力マップの品質を評価し、ノイズやアーティファクトに対するメトリクスの堅牢性を実証します。
PQM の実装、データセット、カスタム密マッピング パイプラインとの統合方法に関する詳細なドキュメントは、github.com/droneslab/pqm でご覧いただけます。

要約(オリジナル)

LiDAR-based mapping/reconstruction are important for various applications, but evaluating the quality of the dense maps they produce is challenging. The current methods have limitations, including the inability to capture completeness, structural information, and local variations in error. In this paper, we propose a novel point quality evaluation metric (PQM) that consists of four sub-metrics to provide a more comprehensive evaluation of point cloud quality. The completeness sub-metric evaluates the proportion of missing data, the artifact score sub-metric recognizes and characterizes artifacts, the accuracy sub-metric measures registration accuracy, and the resolution sub-metric quantifies point cloud density. Through an ablation study using a prototype dataset, we demonstrate the effectiveness of each of the sub-metrics and compare them to popular point cloud distance measures. Using three LiDAR SLAM systems to generate maps, we evaluate their output map quality and demonstrate the metrics robustness to noise and artifacts. Our implementation of PQM, datasets and detailed documentation on how to integrate with your custom dense mapping pipeline can be found at github.com/droneslab/pqm

arxiv情報

提供元, 利用サービス

arxiv.jp, Google