Real-Time LiDAR Point Cloud Compression and Transmission for Resource-constrained Robots

要約

Lidarsは、正確な環境構造情報を提供する能力により、自律ロボットで広く使用されています。
ただし、ポイントクラウドのサイズが大きいため、データストレージと送信に関して課題があります。
この論文では、RCPCCと呼ばれるリソース制約のロボットアプリケーションの新しいポイントクラウド圧縮とトランスミッションフレームワークを提案します。
ポイントクラウドの表面に同様の範囲値を繰り返し適合し、空間的関係を通じて冗長性を排除します。
次に、形状適応DCT（SA-DCT）を使用して、変換された係数を量子化することにより、不適切なポイントを変換し、データ量を減らします。
QOEに基づいて、送信されたポイントクラウドの品質を制御する最適化の目標として、適応型ビットレート制御戦略を設計します。
実験は、私たちのフレームワークが40 $ \ times $ $ 80 $ \ times $の圧縮率を達成し、下流のアプリケーションの高精度を維持することを示しています。
この方法は、圧縮速度が70 $ \ Times $を超える場合、精度の点で他のベースラインを大幅に上回っています。
さらに、通信帯域幅の減少の状況では、適応的なビットレート制御戦略が大幅にQOEの改善を示しています。
このコードは、https：//github.com/hitsz-nrsl/rcpcc.gitで入手できます。

要約(オリジナル)

LiDARs are widely used in autonomous robots due to their ability to provide accurate environment structural information. However, the large size of point clouds poses challenges in terms of data storage and transmission. In this paper, we propose a novel point cloud compression and transmission framework for resource-constrained robotic applications, called RCPCC. We iteratively fit the surface of point clouds with a similar range value and eliminate redundancy through their spatial relationships. Then, we use Shape-adaptive DCT (SA-DCT) to transform the unfit points and reduce the data volume by quantizing the transformed coefficients. We design an adaptive bitrate control strategy based on QoE as the optimization goal to control the quality of the transmitted point cloud. Experiments show that our framework achieves compression rates of 40$\times$ to 80$\times$ while maintaining high accuracy for downstream applications. our method significantly outperforms other baselines in terms of accuracy when the compression rate exceeds 70$\times$. Furthermore, in situations of reduced communication bandwidth, our adaptive bitrate control strategy demonstrates significant QoE improvements. The code will be available at https://github.com/HITSZ-NRSL/RCPCC.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google