TE-NeXt: A LiDAR-Based 3D Sparse Convolutional Network for Traversability Estimation

要約

この論文では、残差畳み込みブロックに基づいた疎な LiDAR 点群からの通過可能性推定 (TE) のための新規で効率的なアーキテクチャである TE-NeXt について説明します。
TE-Next ブロックは、アテンション メカニズムや 3D スパース コンボリューションなどの現在のトレンドの概念を融合します。
TE-Next は、SemanticKITTI、Rellis-3D、SemanticUSL などのよく知られアクセス可能なデータセットを使用して、さまざまな都市および自然環境における一般化の高い能力を実証することを目的としています。
したがって、設計されたアーキテクチャは、セマンティック セグメンテーションの問題において最先端の手法を上回り、非構造化環境でより優れた結果を実証し、都市環境で高い信頼性と堅牢性を維持することで、より優れた抽象化につながります。
結果の再現性を確保することを目的として、実装は科学コミュニティのオープン リポジトリで利用できます。

要約(オリジナル)

This paper presents TE-NeXt, a novel and efficient architecture for Traversability Estimation (TE) from sparse LiDAR point clouds based on a residual convolution block. TE-NeXt block fuses notions of current trends such as attention mechanisms and 3D sparse convolutions. TE-NeXt aims to demonstrate high capacity for generalisation in a variety of urban and natural environments, using well-known and accessible datasets such as SemanticKITTI, Rellis-3D and SemanticUSL. Thus, the designed architecture ouperforms state-of-the-art methods in the problem of semantic segmentation, demonstrating better results in unstructured environments and maintaining high reliability and robustness in urbans environments, which leads to better abstraction. Implementation is available in a open repository to the scientific community with the aim of ensuring the reproducibility of results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google