要約
高度道路交通システム (ITS) のコンテキストでは、路側の LiDAR センサーによって取得された大規模な点群データを管理するには、効率的なデータ圧縮が不可欠です。
点群データの効率的なストレージ、ストリーミング、リアルタイムの物体検出機能に対する需要は非常に高いです。
この研究では、路側 LiDAR 向けに特別に調整された新しい点群圧縮フレームワークである PointCompress3D を紹介します。
私たちのフレームワークは、道路側の LiDAR センサーとの精度と互換性を維持しながら、高解像度の点群を圧縮するという課題に対処します。
私たちは、現実世界に基づいた TUMTraf データセット ファミリを使用して、3 つの最先端の圧縮方法を適応、拡張、統合、評価します。
圧縮サイズを 50 分の 1 である 105 KB 未満に保ち、元のデータと同等の物体検出パフォーマンスを維持しながら、10 FPS のフレーム レートを達成します。
大規模な実験とアブレーション研究により、最終的にデータセットで PSNR d2 94.46 および BPP 6.54 を達成しました。
今後の作業には、ライブ システムへの展開が含まれます。
コードはプロジェクト Web サイト https://pointcompress3d.github.io で入手できます。
要約(オリジナル)
In the context of Intelligent Transportation Systems (ITS), efficient data compression is crucial for managing large-scale point cloud data acquired by roadside LiDAR sensors. The demand for efficient storage, streaming, and real-time object detection capabilities for point cloud data is substantial. This work introduces PointCompress3D, a novel point cloud compression framework tailored specifically for roadside LiDARs. Our framework addresses the challenges of compressing high-resolution point clouds while maintaining accuracy and compatibility with roadside LiDAR sensors. We adapt, extend, integrate, and evaluate three cutting-edge compression methods using our real-world-based TUMTraf dataset family. We achieve a frame rate of 10 FPS while keeping compression sizes below 105 Kb, a reduction of 50 times, and maintaining object detection performance on par with the original data. In extensive experiments and ablation studies, we finally achieved a PSNR d2 of 94.46 and a BPP of 6.54 on our dataset. Future work includes the deployment on the live system. The code is available on our project website: https://pointcompress3d.github.io.
arxiv情報
| 著者 | Walter Zimmer,Ramandika Pranamulia,Xingcheng Zhou,Mingyu Liu,Alois C. Knoll |
| 発行日 | 2024-10-29 15:10:00+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google