Collision Avoidance Metric for 3D Camera Evaluation

要約

3D カメラは、ロボット工学や自動運転のアプリケーションにとって重要な情報源として浮上しています。
これらのカメラは、ロボットに点群をキャプチャして利用する機能を提供し、ロボットが周囲をナビゲートし、他の物体との衝突を回避できるようにします。
ただし、現在の標準的なカメラ評価指標では、特定のアプリケーションのコンテキストが考慮されていないことがよくあります。
これらのメトリックは通常、面取り距離 (CD) やアース ムーバー距離 (EMD) などの尺度に焦点を当てており、現実世界のシナリオではパフォーマンスに直接変換されない可能性があります。
この制限に対処するために、衝突回避という重要なタスクに対する 3D カメラの適合性を評価するために特別に設計された、点群評価のための新しい指標を提案します。
この指標にはアプリケーション固有の考慮事項が組み込まれており、ロボットの安全なナビゲーションを確保する上でのカメラの有効性をより正確に測定できます。
ソース コードは https://github.com/intrinsic-ai/collision-avoidance-metric で入手できます。

要約(オリジナル)

3D cameras have emerged as a critical source of information for applications in robotics and autonomous driving. These cameras provide robots with the ability to capture and utilize point clouds, enabling them to navigate their surroundings and avoid collisions with other objects. However, current standard camera evaluation metrics often fail to consider the specific application context. These metrics typically focus on measures like Chamfer distance (CD) or Earth Mover’s Distance (EMD), which may not directly translate to performance in real-world scenarios. To address this limitation, we propose a novel metric for point cloud evaluation, specifically designed to assess the suitability of 3D cameras for the critical task of collision avoidance. This metric incorporates application-specific considerations and provides a more accurate measure of a camera’s effectiveness in ensuring safe robot navigation. The source code is available at https://github.com/intrinsic-ai/collision-avoidance-metric.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google