GroundGrid:LiDAR Point Cloud Ground Segmentation and Terrain Estimation

要約

正確な点群の地面セグメンテーションは、自動運転車の LiDAR センサーの事実上すべての認識タスクの重要な前提条件です。
特に、点群からのオブジェクトのクラスタリングと抽出は、通常、地上点の正確な除去に依存します。
周囲の地形を正しく推定することは、路面の走行性、経路計画、障害物予測の側面において重要です。
この記事では、2D 標高マップに依存して地形推定と点群地面セグメンテーションの問題を解決するシステム GroundGrid を提案します。
GroundGrid の地面セグメンテーションと地形推定パフォーマンスを評価し、SemanticKITTI データセットと航空 LiDAR スキャンに依存する新しい評価方法を使用して他の最先端の方法と比較します。
結果は、GroundGrid が 171Hz の高い実行時パフォーマンスを維持しながら、平均 IoU 94.78% で他の最先端システムを上回るパフォーマンスを発揮できることを示しています。
ソース コードは https://github.com/dmlr/groundgrid で入手できます。

要約(オリジナル)

The precise point cloud ground segmentation is a crucial prerequisite of virtually all perception tasks for LiDAR sensors in autonomous vehicles. Especially the clustering and extraction of objects from a point cloud usually relies on an accurate removal of ground points. The correct estimation of the surrounding terrain is important for aspects of the drivability of a surface, path planning, and obstacle prediction. In this article, we propose our system GroundGrid which relies on 2D elevation maps to solve the terrain estimation and point cloud ground segmentation problems. We evaluate the ground segmentation and terrain estimation performance of GroundGrid and compare it to other state-of-the-art methods using the SemanticKITTI dataset and a novel evaluation method relying on airborne LiDAR scanning. The results show that GroundGrid is capable of outperforming other state-of-the-art systems with an average IoU of 94.78% while maintaining a high run-time performance of 171Hz. The source code is available at https://github.com/dcmlr/groundgrid

arxiv情報

提供元, 利用サービス

arxiv.jp, Google