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いて重要な機能であり、道路上の走行可能な領域を決定するために不可欠です。
ただし、道路環境の複雑さにより、縁石の検出が困難になります。
この論文では、点群セグメンテーションを利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。
3D アノテーションを備えた包括的な縁石データセットの不足に対処するために、現在最大かつ最も多様な縁石点群のコレクションである SemanticKITTI に基づいて 3D-Curb データセットを開発しました。
縁石の主な特徴は高さの変化であることを認識し、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活用します。
xy 平面上の縁石フィーチャの不均一な分布と、z 軸に沿った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、マルチスケール アンド チャネル アテンション (MSCA) モジュールを導入します。これは、以下のように設計されたカスタマイズされたソリューションです。
検出パフォーマンスを最適化します。
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して行われた広範な実験により、私たちの手法が主要な縁石検出および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上回ることが実証されました。
検出結果の後処理の改良により、縁石検出のノイズが大幅に削減され、精度が 4.5 ポイント向上しました。
同様に、私たちの耐性実験でも最先端の結果が得られました。
さらに、現実世界の実験とデータセット分析は相互に検証し、CurbNet の優れた検出能力と堅牢な一般化性を強化します。
プロジェクトの Web サイトは https://github.com/guoyangzhao/CurbNet/ から入手できます。

要約(オリジナル)

Curb detection is a crucial function in intelligent driving, essential for determining drivable areas on the road. However, the complexity of road environments makes curb detection challenging. This paper introduces CurbNet, a novel framework for curb detection utilizing point cloud segmentation. To address the lack of comprehensive curb datasets with 3D annotations, we have developed the 3D-Curb dataset based on SemanticKITTI, currently the largest and most diverse collection of curb point clouds. Recognizing that the primary characteristic of curbs is height variation, our approach leverages spatially rich 3D point clouds for training. To tackle the challenges posed by the uneven distribution of curb features on the xy-plane and their dependence on high-frequency features along the z-axis, we introduce the Multi-Scale and Channel Attention (MSCA) module, a customized solution designed to optimize detection performance. Additionally, 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. Extensive experiments conducted on 2 major datasets demonstrate that our method surpasses existing benchmarks set by leading curb detection and point cloud segmentation models. Through the post-processing refinement of the detection results, we have significantly reduced noise in curb detection, thereby improving precision by 4.5 points. Similarly, our tolerance experiments also achieved state-of-the-art results. Furthermore, real-world experiments and dataset analyses mutually validate each other, reinforcing CurbNet’s superior detection capability and robust generalizability. The project website is available at: https://github.com/guoyangzhao/CurbNet/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google