Annotation-Free Curb Detection Leveraging Altitude Difference Image

要約

道路の縁石は、自律走行車の安全性を確保するために不可欠な、重要かつどこにでもある交通の特徴の1つと考えられている。現在の縁石検出方法は、主にカメラ画像やLiDAR点群に依存しています。画像ベースの方法は照明条件の変動に弱く、ロバスト性に劣りますが、点群ベースの方法は照明変動に関連する問題を回避できます。しかし、点群データの各フレームに含まれる3D点の量が多いため、処理に大きな遅れが生じるのが一般的です。さらに、点群の本質的に非構造的な特性は、点群データアプリケーションに最新のディープラーニングの進歩を統合するための課題を提起する。これらの問題に対処するため、本研究では、前述の課題を効果的に軽減する、高度差分画像（ADI）を活用した注釈不要の縁石検出法を提案する。ディープラーニングに基づく手法は一般的に、手作業による膨大な注釈データセットを必要とし、その作成にはコストも労力もかかることから、我々は自動縁石注釈器（Automatic Curb Annotator：ACA）モジュールを提案する。このモジュールは、決定論的なカーブ検出アルゴリズムを利用して、膨大な量の学習データを自動的に生成する。その結果、データの手動アノテーションを必要とすることなく、縁石検出モデルの学習を容易にする。最後に、後処理モジュールを組み込むことで、KITTIの3D縁石データセットにおいて、既存の方法と比較して処理遅延を大幅に削減しながら、最先端の結果を達成することに成功し、縁石検出タスクにおける本アプローチの有効性を裏付けている。

要約(オリジナル)

Road curbs are considered as one of the crucial and ubiquitous traffic features, which are essential for ensuring the safety of autonomous vehicles. Current methods for detecting curbs primarily rely on camera imagery or LiDAR point clouds. Image-based methods are vulnerable to fluctuations in lighting conditions and exhibit poor robustness, while methods based on point clouds circumvent the issues associated with lighting variations. However, it is the typical case that significant processing delays are encountered due to the voluminous amount of 3D points contained in each frame of the point cloud data. Furthermore, the inherently unstructured characteristics of point clouds poses challenges for integrating the latest deep learning advancements into point cloud data applications. To address these issues, this work proposes an annotation-free curb detection method leveraging Altitude Difference Image (ADI), which effectively mitigates the aforementioned challenges. Given that methods based on deep learning generally demand extensive, manually annotated datasets, which are both expensive and labor-intensive to create, we present an Automatic Curb Annotator (ACA) module. This module utilizes a deterministic curb detection algorithm to automatically generate a vast quantity of training data. Consequently, it facilitates the training of the curb detection model without necessitating any manual annotation of data. Finally, by incorporating a post-processing module, we manage to achieve state-of-the-art results on the KITTI 3D curb dataset with considerably reduced processing delays compared to existing methods, which underscores the effectiveness of our approach in curb detection tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL