Analysis of LiDAR Configurations on Off-road Semantic Segmentation Performance

要約

このペーパーでは、これまで広範に研究されていなかったトピックである、3D LiDAR 点群セマンティック セグメンテーション モデルのパフォーマンスに対する LiDAR 構成の変更の影響を調査します。
実験には Cylinder3D を利用し、3D LiDAR 点群セマンティック セグメンテーション モデルをトレーニングおよびテストする際に、さまざまな LiDAR チャネルを使用する効果を調査します。
Cylinder3D モデルは、ミシシッピ州立大学自律走行車シミュレーター (MAVS) を使用して作成されたシミュレートされた 3D LiDAR 点群データセットと、現実世界のオフロードで収集された RELLIS-3D データセットの 32、64 チャネル 3D LiDAR 点群でトレーニングおよびテストされます。
環境。
私たちの実験結果は、センサーと空間ドメインのシフトが LiDAR ベースのセマンティック セグメンテーション モデルのパフォーマンスに大きな影響を与えることを示しています。
トレーニングとテストの間に空間ドメインの変更がない場合、同じタイプのセンサーでトレーニングおよびテストされたモデルは、一般的により優れたパフォーマンスを示しました。
さらに、高解像度のセンサーは、低解像度のセンサーと比較してパフォーマンスの向上を示しました。
ただし、空間ドメインの変化が存在する場合、結果は異なります。
場合によっては、センサーの解像度が高いという利点により、センサー ドメイン シフトの有無にかかわらずパフォーマンスが向上することがありました。
他の例では、解像度が高いと特定のドメイン内で過剰適合が発生し、さまざまなセンサー構成でデータをテストしたときに汎化機能が欠如し、パフォーマンスが低下しました。

要約(オリジナル)

This paper investigates the impact of LiDAR configuration shifts on the performance of 3D LiDAR point cloud semantic segmentation models, a topic not extensively studied before. We explore the effect of using different LiDAR channels when training and testing a 3D LiDAR point cloud semantic segmentation model, utilizing Cylinder3D for the experiments. A Cylinder3D model is trained and tested on simulated 3D LiDAR point cloud datasets created using the Mississippi State University Autonomous Vehicle Simulator (MAVS) and 32, 64 channel 3D LiDAR point clouds of the RELLIS-3D dataset collected in a real-world off-road environment. Our experimental results demonstrate that sensor and spatial domain shifts significantly impact the performance of LiDAR-based semantic segmentation models. In the absence of spatial domain changes between training and testing, models trained and tested on the same sensor type generally exhibited better performance. Moreover, higher-resolution sensors showed improved performance compared to those with lower-resolution ones. However, results varied when spatial domain changes were present. In some cases, the advantage of a sensor’s higher resolution led to better performance both with and without sensor domain shifts. In other instances, the higher resolution resulted in overfitting within a specific domain, causing a lack of generalization capability and decreased performance when tested on data with different sensor configurations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google