A Preprocessing and Postprocessing Voxel-based Method for LiDAR Semantic Segmentation Improvement in Long Distance

要約

近年、LiDAR セマンティック セグメンテーションに関するかなりの研究が行われ、いくつかの新しい最先端モデルが導入されました。
ただし、ほとんどの研究は単一スキャンの点群に焦点を当てており、時系列情報が省略されるため、特に長距離の屋外シナリオではパフォーマンスが制限されます。
さらに、密度の変化と閉塞は、シングルスキャンアプローチでは大きな課題となります。
本稿では、LiDAR 点群の前処理および後処理方法を提案します。
この多段階アプローチは、マルチスキャン設定の最先端モデルと組み合わせて、これらの課題を解決することを目的としています。
シングルスキャン設定で特定のモデルを使用した定量的評価を通じて、この方法の利点を実証します。
特に、mIoU パフォーマンスが中距離で 5 パーセント以上、遠距離で 10 パーセント以上という大幅な向上を達成しました。
これは、オフライン処理が許容されるアプリケーションだけでなく、長距離での 3D セマンティック シーンの理解にも不可欠です。

要約(オリジナル)

In recent years considerable research in LiDAR semantic segmentation was conducted, introducing several new state of the art models. However, most research focuses on single-scan point clouds, limiting performance especially in long distance outdoor scenarios, by omitting time-sequential information. Moreover, varying-density and occlusions constitute significant challenges in single-scan approaches. In this paper we propose a LiDAR point cloud preprocessing and postprocessing method. This multi-stage approach, in conjunction with state of the art models in a multi-scan setting, aims to solve those challenges. We demonstrate the benefits of our method through quantitative evaluation with the given models in single-scan settings. In particular, we achieve significant improvements in mIoU performance of over 5 percentage point in medium range and over 10 percentage point in far range. This is essential for 3D semantic scene understanding in long distance as well as for applications where offline processing is permissible.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google