LiDAR Based Semantic Perception for Forklifts in Outdoor Environments

要約

この研究では、複雑な屋外環境で動作する自律的なフォークリフトに合わせた、LIDARベースの新しいセマンティックセグメンテーションフレームワークを紹介します。
私たちのアプローチの中心は、デュアルLIDARシステムの統合です。これは、前向きと下向きのLIDARセンサーを組み合わせて、包括的なシーンの理解を可能にします。
デュアル構成により、高空間精度で動的および静的障害物の検出とセグメンテーションが改善されます。
2つのセンサーからキャプチャされた高解像度の3Dポイントクラウドを使用して、私たちの方法は、ポイントクラウドを歩行者、車両、フォークリフトなどの安全性クリティカルなインスタンスクラスにセグメント化する軽量でありながら堅牢なアプローチ、および運転可能な地面、レーン、建物などの環境クラスを採用しています。
実験的検証は、私たちのアプローチが厳格なランタイム要件を満たしながら高いセグメンテーションの精度を達成し、ダイナミックウェアハウスおよびヤード環境での安全性のある完全に自律的なフォークリフトナビゲーションの実行可能性を確立することを示しています。

要約(オリジナル)

In this study, we present a novel LiDAR-based semantic segmentation framework tailored for autonomous forklifts operating in complex outdoor environments. Central to our approach is the integration of a dual LiDAR system, which combines forward-facing and downward-angled LiDAR sensors to enable comprehensive scene understanding, specifically tailored for industrial material handling tasks. The dual configuration improves the detection and segmentation of dynamic and static obstacles with high spatial precision. Using high-resolution 3D point clouds captured from two sensors, our method employs a lightweight yet robust approach that segments the point clouds into safety-critical instance classes such as pedestrians, vehicles, and forklifts, as well as environmental classes such as driveable ground, lanes, and buildings. Experimental validation demonstrates that our approach achieves high segmentation accuracy while satisfying strict runtime requirements, establishing its viability for safety-aware, fully autonomous forklift navigation in dynamic warehouse and yard environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google