Moving Object Segmentation in Point Cloud Data using Hidden Markov Models

要約

自律エージェントには、安全な計画とナビゲーションのために、環境内の動的オブジェクトを識別する機能が必要です。
不完全で誤った動的検出は、エージェントがタスクを遂行する能力を危険にさらします。
動的検出は、問題の入力と多種多様なアプリケーションに固有の不確実性の原因が多数あるため、困難な問題であり、多くの場合、ユースケースに合わせたソリューションが必要になります。
私たちは、点群データ内の移動オブジェクトをセグメント化するための、学習不要の堅牢なアプローチを提案します。
このアプローチの基礎は、隠れマルコフ モデル (HMM) を使用して各ボクセルをモデル化し、HMM フィルターを使用して確率的に信念をマップに統合することにあります。
提案されたアプローチはベンチマーク データセットでテストされ、センサー特性と環境全体にわたって強力な一般化されたパフォーマンスを備えた最先端の方法よりも一貫して優れた、または同等のパフォーマンスを発揮します。
このアプローチは https://github.com/vb44/HMM-MOS でオープンソース化されています。

要約(オリジナル)

Autonomous agents require the capability to identify dynamic objects in their environment for safe planning and navigation. Incomplete and erroneous dynamic detections jeopardize the agent’s ability to accomplish its task. Dynamic detection is a challenging problem due to the numerous sources of uncertainty inherent in the problem’s inputs and the wide variety of applications, which often lead to use-case-tailored solutions. We propose a robust learning-free approach to segment moving objects in point cloud data. The foundation of the approach lies in modelling each voxel using a hidden Markov model (HMM), and probabilistically integrating beliefs into a map using an HMM filter. The proposed approach is tested on benchmark datasets and consistently performs better than or as well as state-of-the-art methods with strong generalized performance across sensor characteristics and environments. The approach is open-sourced at https://github.com/vb44/HMM-MOS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google