Depth-guided Free-space Segmentation for a Mobile Robot

要約

屋内の自由空間の正確なセグメンテーションは、屋内環境が示す複雑さと動的性質のために、困難な課題である。我々は、大きな奥行き値を移動可能な領域と関連付ける、屋内の自由空間セグメンテーション手法を提案する。本手法は、教師なしマスキング技術を活用し、正のインスタンスを用いて、テクスチャの均質性と奥行きの均一性に基づくセグメンテーションラベルを生成する。さらに、より深度の高い領域に対応するスーパーピクセルを生成し、高密度予測変換器（Dense Prediction Transformer: DPT）から抽出された特徴量と整合させる。推定された自由空間マスクとDPT特徴表現を用いて、SegFormerモデルをカスタム収集した屋内データセット上で微調整する。我々の実験では、乱雑な障害物や困難な自由空間の識別を特徴とする複雑なシナリオにおいて、十分な性能が実証された。

要約(オリジナル)

Accurate indoor free-space segmentation is a challenging task due to the complexity and the dynamic nature that indoor environments exhibit. We propose an indoors free-space segmentation method that associates large depth values with navigable regions. Our method leverages an unsupervised masking technique that, using positive instances, generates segmentation labels based on textural homogeneity and depth uniformity. Moreover, we generate superpixels corresponding to areas of higher depth and align them with features extracted from a Dense Prediction Transformer (DPT). Using the estimated free-space masks and the DPT feature representation, a SegFormer model is fine-tuned on our custom-collected indoor dataset. Our experiments demonstrate sufficient performance in intricate scenarios characterized by cluttered obstacles and challenging identification of free space.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL