CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation

要約

縁石検出はインテリジェント運転における重要な機能であり、道路の走行可能な領域を決定するために使用できます。
しかし、道路環境が複雑なため、縁石を検出するのは困難です。
このペーパーでは、点群セグメンテーションを活用した縁石検出のための新しいフレームワークである CurbNet を紹介します。
包括的な縁石データセットの不足と 3D アノテーションの不在に対処して、私たちは 7,100 フレームを含む 3D-Curb データセットを開発しました。これは、現在利用可能な縁石点群の最大かつ最もカテゴリー的に多様なコレクションを表します。
縁石は主に高さの変化によって特徴付けられることを認識し、私たちのアプローチでは空間的に豊富な 3D 点群をトレーニングに利用します。
xy 平面上の縁石フィーチャの不均一な分布と、z 軸の高周波フィーチャへの依存によってもたらされる課題に取り組むために、検出を最適化するように設計されたオーダーメイドのソリューションであるマルチスケールおよびチャネル アテンション (MSCA) モジュールを導入します。
パフォーマンス。
さらに、他のカテゴリと比較した縁石点群の分布の不均衡を打ち消すために特別に定式化された適応加重損失関数グループを提案します。
2 つの主要なデータセットに対する広範な実験により、主要な縁石検出モデルと点群セグメンテーション モデルによって設定された既存のベンチマークを超える結果が得られました。
後処理段階でマルチクラスタリングとカーブフィッティング技術を統合することで、縁石検出のノイズが大幅に削減され、精度が 0.8744 まで向上しました。
特に、CurbNet はわずか 0.15 メートルの許容差で 0.95 を超える例外的な平均メトリクスを達成し、新しいベンチマークを確立しました。
さらに、裏付けとなる現実世界の実験とデータセット分析が相互に検証し、CurbNet の優れた検出能力と堅牢な一般化可能性を確固たるものとしています。

要約(オリジナル)

Curb detection is an important function in intelligent driving and can be used to determine drivable areas of the road. However, curbs are difficult to detect due to the complex road environment. This paper introduces CurbNet, a novel framework for curb detection, leveraging point cloud segmentation. Addressing the dearth of comprehensive curb datasets and the absence of 3D annotations, we have developed the 3D-Curb dataset, encompassing 7,100 frames, which represents the largest and most categorically diverse collection of curb point clouds currently available. Recognizing that curbs are primarily characterized by height variations, our approach harnesses spatially-rich 3D point clouds for training. To tackle the challenges presented by the uneven distribution of curb features on the xy-plane and their reliance on z-axis high-frequency features, we introduce the multi-scale and channel attention (MSCA) module, a bespoke solution designed to optimize detection performance. Moreover, we propose an adaptive weighted loss function group, specifically formulated to counteract the imbalance in the distribution of curb point clouds relative to other categories. Our extensive experimentation on 2 major datasets has yielded results that surpass existing benchmarks set by leading curb detection and point cloud segmentation models. By integrating multi-clustering and curve fitting techniques in our post-processing stage, we have substantially reduced noise in curb detection, thereby enhancing precision to 0.8744. Notably, CurbNet has achieved an exceptional average metrics of over 0.95 at a tolerance of just 0.15m, thereby establishing a new benchmark. Furthermore, corroborative real-world experiments and dataset analyzes mutually validate each other, solidifying CurbNet’s superior detection proficiency and its robust generalizability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google