Real Time Semantic Segmentation of High Resolution Automotive LiDAR Scans

要約

最近の研究では、多くの以前の研究が、ドライバーアシスタンスシステムと自律車両の開発の重要な要素としてのLIDARデータのセマンティックセグメンテーションの重要性を強調しています。
ただし、多くの最先端の方法は、時代遅れの低解像度のライダーセンサーでテストされており、リアルタイムの制約に苦しんでいます。
この研究では、精度とリアルタイムの処理需要の両方に対処する最新の高解像度ライダーセンサーに合わせた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。
都市の交通シーンで最先端の自動車128レイヤーライダーによって収集された新しいLidarデータセットを提案します。
さらに、表面法線を強力な入力機能として利用するセマンティックセグメンテーション方法を提案します。
私たちのアプローチは、最先端の研究と実用的な自動車アプリケーションの間のギャップを埋めることです。
さらに、研究車両で動作するロボットオペレーティングシステム（ROS2）の実装を提供します。
データセットとコードは公開されています：https：//github.com/kav-institute/semanticlidar。

要約(オリジナル)

In recent studies, numerous previous works emphasize the importance of semantic segmentation of LiDAR data as a critical component to the development of driver-assistance systems and autonomous vehicles. However, many state-of-the-art methods are tested on outdated, lower-resolution LiDAR sensors and struggle with real-time constraints. This study introduces a novel semantic segmentation framework tailored for modern high-resolution LiDAR sensors that addresses both accuracy and real-time processing demands. We propose a novel LiDAR dataset collected by a cutting-edge automotive 128 layer LiDAR in urban traffic scenes. Furthermore, we propose a semantic segmentation method utilizing surface normals as strong input features. Our approach is bridging the gap between cutting-edge research and practical automotive applications. Additionaly, we provide a Robot Operating System (ROS2) implementation that we operate on our research vehicle. Our dataset and code are publicly available: https://github.com/kav-institute/SemanticLiDAR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google