Irregular Change Detection in Sparse Bi-Temporal Point Clouds using Learned Place Recognition Descriptors and Point-to-Voxel Comparison

要約

3D 点群における変化の検出と不規則なオブジェクトの抽出は、自律ナビゲーションだけでなく、さまざまな産業環境の既存のデジタル ツイン モデルを更新するためにも非常に重要な困難なタスクです。
この記事では、深層学習された場所認識記述子とボクセルと点の比較に基づく不規則なオブジェクトの抽出を使用した、3D 点群の変化検出のための革新的なアプローチを提案します。
提案された方法では、共通の座標フレームを確立するために、まずマップ結合アルゴリズムを使用して二時点点群を位置合わせします。
次に、深層学習技術を利用して、3D 点群スキャンから堅牢で識別可能な特徴を抽出します。これは、連続する点群フレーム間の変化を検出し、変化した領域を見つけるために使用されます。
最後に、変更された領域がサンプリングされ、2 つの時間インスタンス間で比較され、領域の変更の原因となった障害物が抽出されます。
提案された手法は実世界のフィールド実験で正常に評価され、物体や土砂の山の追加や移動など、3D 点群のさまざまな種類の変化を検出でき、アプローチの有効性が示されました。
この研究の結果は、建設現場での安全性とセキュリティの監視、地図作成、探査などのさまざまな用途に対する重要な意味を示しており、この分野における潜在的な将来の研究の方向性を示唆しています。

要約(オリジナル)

Change detection and irregular object extraction in 3D point clouds is a challenging task that is of high importance not only for autonomous navigation but also for updating existing digital twin models of various industrial environments. This article proposes an innovative approach for change detection in 3D point clouds using deep learned place recognition descriptors and irregular object extraction based on voxel-to-point comparison. The proposed method first aligns the bi-temporal point clouds using a map-merging algorithm in order to establish a common coordinate frame. Then, it utilizes deep learning techniques to extract robust and discriminative features from the 3D point cloud scans, which are used to detect changes between consecutive point cloud frames and therefore find the changed areas. Finally, the altered areas are sampled and compared between the two time instances to extract any obstructions that caused the area to change. The proposed method was successfully evaluated in real-world field experiments, where it was able to detect different types of changes in 3D point clouds, such as object or muck-pile addition and displacement, showcasing the effectiveness of the approach. The results of this study demonstrate important implications for various applications, including safety and security monitoring in construction sites, mapping and exploration and suggests potential future research directions in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google