RIDDLE: Lidar Data Compression with Range Image Deep Delta Encoding

要約

LIDARは、自動運転や拡張現実で広く使用されている深度測定センサーです。
ただし、LIDARによって生成される大量のデータは、データの保存と送信に高いコストをもたらす可能性があります。
LIDARデータは、3Dポイントクラウドと距離画像の2つの交換可能な表現として表すことができますが、これまでのほとんどの作業は、一般的な3Dポイントクラウドの圧縮に重点を置いています。
この作業では、距離画像を直接圧縮すると、投影されていない点群を圧縮する場合と比較して、LIDARスキャンパターンを活用できることを示します。
RIDDLE（Range Image Deep DeLta Encoding）という名前の新しいデータ駆動型距離画像圧縮アルゴリズムを提案します。
その核となるのは、現在と過去の両方のスキャンからのコンテキストレーザーショット（球面座標と時間の4D点群として表される）に基づいて、ラスタースキャン順序で次のピクセル値を予測するディープモデルです。
次に、予測と元の値の間のデルタをエントロピー符号化によって圧縮できます。
Waymo Open DatasetとKITTIで評価されたこの方法は、広く使用されている点群と距離画像の圧縮アルゴリズム、および最近の深い方法と比較して、（同じ歪みの下で）圧縮率が大幅に向上することを示しています。

要約(オリジナル)

Lidars are depth measuring sensors widely used in autonomous driving and augmented reality. However, the large volume of data produced by lidars can lead to high costs in data storage and transmission. While lidar data can be represented as two interchangeable representations: 3D point clouds and range images, most previous work focus on compressing the generic 3D point clouds. In this work, we show that directly compressing the range images can leverage the lidar scanning pattern, compared to compressing the unprojected point clouds. We propose a novel data-driven range image compression algorithm, named RIDDLE (Range Image Deep DeLta Encoding). At its core is a deep model that predicts the next pixel value in a raster scanning order, based on contextual laser shots from both the current and past scans (represented as a 4D point cloud of spherical coordinates and time). The deltas between predictions and original values can then be compressed by entropy encoding. Evaluated on the Waymo Open Dataset and KITTI, our method demonstrates significant improvement in the compression rate (under the same distortion) compared to widely used point cloud and range image compression algorithms as well as recent deep methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google