Stereo-LiDAR Fusion by Semi-Global Matching With Discrete Disparity-Matching Cost and Semidensification

要約

ライト検出とレンジ（LIDAR）データをステレオカメラ入力と融合するリアルタイムの非学習深度推定方法を提示します。
私たちのアプローチは、3つの重要な手法で構成されています。セミグローバルマッチング（SGM）ステレオが離散格差コスト（DDC）、LIDAR格差の半感受性、およびステレオ画像とLIDARデータを組み合わせた一貫性チェックです。
これらの各コンポーネントは、リアルタイムのパフォーマンスを実現するためにGPUの並列化のために設計されています。
Kittiデータセットで評価されたとき、提案された方法は2.79 \％のエラー率を達成し、3.05 \％のエラー率がある以前の最先端のリアルタイムステレオライダー融合法を上回りました。
さらに、さまざまなライダー点密度、さまざまな気象条件、屋内環境など、さまざまなシナリオで提案された方法をテストして、その高い適応性を実証しました。
私たちは、この方法のリアルタイムで非学習の性質により、ロボット工学と自動化のアプリケーションに非常に実用的であると考えています。

要約(オリジナル)

We present a real-time, non-learning depth estimation method that fuses Light Detection and Ranging (LiDAR) data with stereo camera input. Our approach comprises three key techniques: Semi-Global Matching (SGM) stereo with Discrete Disparity-matching Cost (DDC), semidensification of LiDAR disparity, and a consistency check that combines stereo images and LiDAR data. Each of these components is designed for parallelization on a GPU to realize real-time performance. When it was evaluated on the KITTI dataset, the proposed method achieved an error rate of 2.79\%, outperforming the previous state-of-the-art real-time stereo-LiDAR fusion method, which had an error rate of 3.05\%. Furthermore, we tested the proposed method in various scenarios, including different LiDAR point densities, varying weather conditions, and indoor environments, to demonstrate its high adaptability. We believe that the real-time and non-learning nature of our method makes it highly practical for applications in robotics and automation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google