GLiDR: Topologically Regularized Graph Generative Network for Sparse LiDAR Point Clouds

要約

疎なLiDAR点群は、静的構造物の詳細を著しく損失し、ナビゲーションに利用可能な静的点の密度を低下させる。密度の低下は、いくつかのシナリオにおいてナビゲーションに不利に働く可能性がある。我々は、高いスパース性にもかかわらず、ほとんどの場合、静的構造物の輪郭を描くLiDARのグローバルなトポロジーを推測できることを観察した。我々はこの特性を利用して、静的LiDARスキャンのバックボーンスケルトンを、そのグローバルトポロジーの代理となる単一の連結コンポーネントの形で取得する。このバックボーンを利用して、静的構造に沿って新たな点を追加し、スパース性を克服する。新たに導入された点は、既存の静的構造、または動的オブジェクトによって以前は妨害されていた静的点に対応する可能性がある。我々の知る限り、この戦略をスパースなLiDAR点群に用いたのは我々が初めてである。我々のアプローチに近い既存のソリューションは、グローバルな静的LiDARトポロジーの識別と保存に失敗し、最適でない点を生成する。我々は、0次元のパーシステントホモロジー（PH）制約を用いてトポロジー的に正則化されたグラフ生成ネットワークであるGLiDRを提案する。これにより、GLiDRはトポロジー的に一貫したグローバルな静的LiDARバックボーンに沿って、より新しい静的ポイントを導入することができる。GLiDRは、32倍のスパースダイナミックスキャンを使用して正確な静的ポイントを生成し、3つのデータセットにおいてベースラインよりも優れた性能を発揮しました。新たに導入された静的ポイントにより、GLiDR はいくつかの設定において SLAM を用いた LiDAR ベースのナビゲーションを上回る性能を発揮する。GLiDRは貴重な副産物である、静的および動的オブジェクトの正確なバイナリー・セグメンテーション・マスクを生成します。

要約(オリジナル)

Sparse LiDAR point clouds cause severe loss of detail of static structures and reduce the density of static points available for navigation. Reduced density can be detrimental to navigation under several scenarios. We observe that despite high sparsity, in most cases, the global topology of LiDAR outlining the static structures can be inferred. We utilize this property to obtain a backbone skeleton of a static LiDAR scan in the form of a single connected component that is a proxy to its global topology. We utilize the backbone to augment new points along static structures to overcome sparsity. Newly introduced points could correspond to existing static structures or to static points that were earlier obstructed by dynamic objects. To the best of our knowledge, we are the first to use this strategy for sparse LiDAR point clouds. Existing solutions close to our approach fail to identify and preserve the global static LiDAR topology and generate sub-optimal points. We propose GLiDR, a Graph Generative network that is topologically regularized using 0-dimensional Persistent Homology (PH) constraints. This enables GLiDR to introduce newer static points along a topologically consistent global static LiDAR backbone. GLiDR generates precise static points using 32x sparser dynamic scans and performs better than the baselines across three datasets. The newly introduced static points allow GLiDR to outperform LiDAR-based navigation using SLAM in several settings. GLiDR generates a valuable byproduct – an accurate binary segmentation mask of static and dynamic objects that is helpful for navigation planning and safety in constrained environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL