CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation

要約

縁石の検出は、インテリジェントな運転において重要な機能であり、道路上の運転可能な領域を決定するために不可欠です。
ただし、道路環境の複雑さにより、縁石検出が困難になります。
このペーパーでは、ポイントクラウドセグメンテーションを利用した縁石検出のための新しいフレームワークであるCurbnetを紹介します。
3Dアノテーションを備えた包括的な縁石データセットの欠如に対処するために、現在最大かつ最も多様な縁石雲のコレクションであるSemantickittiに基づいた3Dカバートデータセットを開発しました。
縁石の主な特徴が高さの変動であることを認識して、私たちのアプローチはトレーニングのために空間的に豊富な3Dポイント雲を活用します。
XYプレーン上の縁石機能の不均一な分布とZ軸に沿った高周波機能への依存によってもたらされる課題に取り組むために、マルチスケールおよびチャネルの注意（MSCA）モジュールを紹介します。
検出パフォーマンスを最適化します。
さらに、他のカテゴリと比較して、縁石ポイント雲の分布の不均衡に対抗するために特異的に処方された適応加重損失関数グループを提案します。
2つの主要なデータセットで実施された広範な実験は、私たちの方法が、縁石検出とポイントクラウドセグメンテーションモデルによって設定された既存のベンチマークを上回ることを示しています。
検出結果の後処理の改良により、縁石検出のノイズが大幅に減少し、それにより精度が4.5ポイント改善されました。
同様に、当社の耐性実験も最先端の結果を達成しています。
さらに、実際の実験とデータセット分析は相互に相互に検証し、Curbnetの優れた検出機能と堅牢な一般化可能性を強化します。
プロジェクトWebサイトは、https：//github.com/guoyangzhao/curbnet/で入手できます。

要約(オリジナル)

Curb detection is a crucial function in intelligent driving, essential for determining drivable areas on the road. However, the complexity of road environments makes curb detection challenging. This paper introduces CurbNet, a novel framework for curb detection utilizing point cloud segmentation. To address the lack of comprehensive curb datasets with 3D annotations, we have developed the 3D-Curb dataset based on SemanticKITTI, currently the largest and most diverse collection of curb point clouds. Recognizing that the primary characteristic of curbs is height variation, our approach leverages spatially rich 3D point clouds for training. To tackle the challenges posed by the uneven distribution of curb features on the xy-plane and their dependence on high-frequency features along the z-axis, we introduce the Multi-Scale and Channel Attention (MSCA) module, a customized solution designed to optimize detection performance. Additionally, we propose an adaptive weighted loss function group specifically formulated to counteract the imbalance in the distribution of curb point clouds relative to other categories. Extensive experiments conducted on 2 major datasets demonstrate that our method surpasses existing benchmarks set by leading curb detection and point cloud segmentation models. Through the post-processing refinement of the detection results, we have significantly reduced noise in curb detection, thereby improving precision by 4.5 points. Similarly, our tolerance experiments also achieve state-of-the-art results. Furthermore, real-world experiments and dataset analyses mutually validate each other, reinforcing CurbNet’s superior detection capability and robust generalizability. The project website is available at: https://github.com/guoyangzhao/CurbNet/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google