Low Latency Instance Segmentation by Continuous Clustering for Rotating LiDAR Sensors

要約

LiDAR 点群の低遅延インスタンス セグメンテーションは、ロボットの認識パイプラインの初期かつ頻繁に使用される構成要素として機能し、すべてのタスクでさらに遅延が追加されるため、実世界のアプリケーションでは非常に重要です。
特に動的環境では、高速道路のシナリオで見られるように、この合計遅延により動的オブジェクトの位置が大幅にオフセットされる可能性があります。
この問題に対処するために、インスタンスでセグメント化された点群を取得するために、障害点の連続クラスタリングを採用します。
LiDAR センサーの完全な革命を使用するほとんどの既存のアプローチとは異なり、当社はデータ ストリームを継続的かつシームレスな方法で処理します。
より具体的には、距離画像の各列は、利用可能になるとすぐに処理されます。
障害点は既存のインスタンスにリアルタイムでクラスター化され、どのインスタンスが完了して公開の準備ができているかが高頻度でチェックされます。
さらなる利点は、スキャンの開始点と終了点の間に問題となる不連続性が観察されないことです。
この研究では、2 層のデータ構造と、受信データをリアルタイムでクラスタリングできる連続クラスタリングの対応するアルゴリズムについて説明します。
広い知覚視野の重要性について説明します。
さらに、深層学習ベースの低遅延インスタンス セグメンテーションのアーキテクチャの設計に関連する重要なアーキテクチャ設計の選択について説明および評価します。
ソースコードは https://github.com/UniBwTAS/continuous_clustering で公開しています。

要約(オリジナル)

Low-latency instance segmentation of LiDAR point clouds is crucial in real-world applications because it serves as an initial and frequently-used building block in a robot’s perception pipeline, where every task adds further delay. Particularly in dynamic environments, this total delay can result in significant positional offsets of dynamic objects, as seen in highway scenarios. To address this issue, we employ continuous clustering of obstacle points in order to obtain an instance-segmented point cloud. Unlike most existing approaches, which use a full revolution of the LiDAR sensor, we process the data stream in a continuous and seamless fashion. More specifically, each column of a range image is processed as soon it is available. Obstacle points are clustered to existing instances in real-time and it is checked at a high-frequency which instances are completed and are ready to be published. An additional advantage is that no problematic discontinuities between the points of the start and the end of a scan are observed. In this work we describe the two-layered data structure and the corresponding algorithm for continuous clustering, which is able to cluster the incoming data in real time. We explain the importance of a large perceptive field of view. Furthermore, we describe and evaluate important architectural design choices, which could be relevant to design an architecture for deep learning based low-latency instance segmentation. We are publishing the source code at https://github.com/UniBwTAS/continuous_clustering.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google