SSF-PAN: Semantic Scene Flow-Based Perception for Autonomous Navigation in Traffic Scenarios

要約

複雑な交通シナリオでの車両の検出とローカリゼーションは、移動オブジェクトの干渉により、重要な課題をもたらします。
従来の方法は、多くの場合、外れ値の除外またはセマンティックセグメンテーションに依存しています。これは、計算効率と精度が低いことに悩まされています。
提案されているSSF-PANは、LIDARポイントクラウドベースのオブジェクトの検出/ローカリゼーションとスラム（同時ローカリゼーションとマッピング）の機能を高い計算効率と精度で実現し、マップフリーナビゲーションフレームワークを可能にします。
この作業の斬新さは3つあります。1）シーン内の静的オブジェクトと動的オブジェクト間のセグメンテーションを達成できるニューラルネットワークの開発、つまりセマンティックシーンフロー（SSF）。
2）入力シーンのフローと出力セグメンテーションの結果の品質をさらに最適化できる反復フレームワークを開発する。
3）シミュレーション環境でのSSF認識システムのパフォーマンスをテストできるシーンフローベースのナビゲーションプラットフォームの開発。
提案されたSSF-PANメソッドは、Suscape-CarlaとKittiデータセット、およびCarlaシミュレーターを使用して検証されます。
実験結果は、提案されたアプローチが、シーンフロー計算の精度、移動オブジェクト検出の精度、計算効率、および自律ナビゲーションの有効性の観点から、従来の方法よりも優れていることを示しています。

要約(オリジナル)

Vehicle detection and localization in complex traffic scenarios pose significant challenges due to the interference of moving objects. Traditional methods often rely on outlier exclusions or semantic segmentations, which suffer from low computational efficiency and accuracy. The proposed SSF-PAN can achieve the functionalities of LiDAR point cloud based object detection/localization and SLAM (Simultaneous Localization and Mapping) with high computational efficiency and accuracy, enabling map-free navigation frameworks. The novelty of this work is threefold: 1) developing a neural network which can achieve segmentation among static and dynamic objects within the scene flows with different motion features, that is, semantic scene flow (SSF); 2) developing an iterative framework which can further optimize the quality of input scene flows and output segmentation results; 3) developing a scene flow-based navigation platform which can test the performance of the SSF perception system in the simulation environment. The proposed SSF-PAN method is validated using the SUScape-CARLA and the KITTI datasets, as well as on the CARLA simulator. Experimental results demonstrate that the proposed approach outperforms traditional methods in terms of scene flow computation accuracy, moving object detection accuracy, computational efficiency, and autonomous navigation effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google