論文の概要: Patchwork++: Fast and Robust Ground Segmentation Solving Partial
Under-Segmentation Using 3D Point Cloud
- arxiv url: http://arxiv.org/abs/2207.11919v1
- Date: Mon, 25 Jul 2022 06:09:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:42:38.395253
- Title: Patchwork++: Fast and Robust Ground Segmentation Solving Partial
Under-Segmentation Using 3D Point Cloud
- Title（参考訳）: Patchwork++: 高速でロバストなグラウンドセグメンテーションによる部分的なアンダーセグメンテーションを3Dポイントクラウドで解決
- Authors: Seungjae Lee, Hyungtae Lim, and Hyun Myung
- Abstract要約: いくつかのグラウンドセグメンテーション法では、周囲に応じてパラメータを微調整する必要がある。
部分的な部分分割問題は依然として発生しうるが、これは一部の地域でのグラウンドセグメンテーションの失敗を意味する。
3次元LiDARモデルに基づいて,仮想ノイズを効率的に除去する反射ノイズ除去(RNR)を提案する。
- 参考スコア（独自算出の注目度）: 7.111443975103329
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the field of 3D perception using 3D LiDAR sensors, ground segmentation is
an essential task for various purposes, such as traversable area detection and
object recognition. Under these circumstances, several ground segmentation
methods have been proposed. However, some limitations are still encountered.
First, some ground segmentation methods require fine-tuning of parameters
depending on the surroundings, which is excessively laborious and
time-consuming. Moreover, even if the parameters are well adjusted, a partial
under-segmentation problem can still emerge, which implies ground segmentation
failures in some regions. Finally, ground segmentation methods typically fail
to estimate an appropriate ground plane when the ground is above another
structure, such as a retaining wall. To address these problems, we propose a
robust ground segmentation method called Patchwork++, an extension of
Patchwork. Patchwork++ exploits adaptive ground likelihood estimation (A-GLE)
to calculate appropriate parameters adaptively based on the previous ground
segmentation results. Moreover, temporal ground revert (TGR) alleviates a
partial under-segmentation problem by using the temporary ground property.
Also, region-wise vertical plane fitting (R-VPF) is introduced to segment the
ground plane properly even if the ground is elevated with different layers.
Finally, we present reflected noise removal (RNR) to eliminate virtual noise
points efficiently based on the 3D LiDAR reflection model. We demonstrate the
qualitative and quantitative evaluations using a SemanticKITTI dataset. Our
code is available at https://github.com/url-kaist/patchwork-plusplus
- Abstract（参考訳）: 3次元LiDARセンサを用いた3次元認識の分野では、地中セグメンテーションは、移動可能な領域検出や物体認識など、様々な目的に欠かせない課題である。
このような状況下では,いくつかの接地分割法が提案されている。
しかし、いくつかの制限がある。
第一に、いくつかのグラウンドセグメンテーション法は、周囲に応じてパラメータを微調整する必要がある。
さらに、パラメータが適切に調整されたとしても、部分的な部分分割問題がまだ発生し得るため、一部の地域ではグラウンドセグメンテーションが失敗する可能性がある。
最後に、地盤区分法は、通常、地盤が保持壁など他の構造物の上にある場合、適切な地盤平面の推定に失敗する。
そこで本研究では,パッチワークの拡張であるpatchwork++と呼ばれるロバストな地上セグメンテーション手法を提案する。
patchwork++は、前回のグラウンドセグメンテーション結果に基づいて適切なパラメータを適応的に計算するためにadaptive ground likelihood estimation(a-gle)を利用する。
さらに, 時間的地盤逆転 (TGR) は, 仮接地特性を用いて部分的過偏化問題を緩和する。
また、地表面を異なる層で高める場合でも、地表面を適切に分断するために、地域方向垂直面嵌合(R−VPF)を導入する。
最後に反射ノイズ除去(rnr)を行い,3次元ライダー反射モデルに基づいて仮想ノイズ点を効率的に除去する。
本研究では,SemanticKITTIデータセットを用いて定性的,定量的評価を行った。
私たちのコードはhttps://github.com/url-kaist/patchwork-plusplusで利用可能です。
関連論文リスト
- Gaussian Splatting with Localized Points Management [52.009874685460694]
局所的点管理(LPM)は、点加算と幾何校正の双方の最も高い需要において、これらの誤り貢献ゾーンを特定することができる。
LPMは特定ゾーンに点密度を適用し、これらの領域の前に位置する点の不透明度をリセットし、不条件点を補正する新たな機会を創出する。
特に、LPMはバニラ3DGSとSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
論文 参考訳（メタデータ） (2024-06-06T16:55:07Z) - GroundGrid:LiDAR Point Cloud Ground Segmentation and Terrain Estimation [0.7373617024876724]
本研究では,2次元標高マップを用いて地形推定と点雲地分断問題を解くシステムであるGroundGridを提案する。
グラウンドグリッドのグラウンドセグメンテーションと地形推定性能を評価し,他の最先端手法と比較した。
この結果から、GroundGridは平均94.78%のIoUで他の最先端システムよりも高速で171Hzの性能を維持することができることがわかった。
論文 参考訳（メタデータ） (2024-05-24T16:02:44Z) - A Ground Segmentation Method Based on Point Cloud Map for Unstructured
Roads [10.367730390937622]
関心領域抽出, ポイントクラウド登録, バックグラウンドサブトラクションの3つの部分を含む, ポイントクラウドマップに基づくグラウンドセグメンテーション手法を提案する。
実験の結果, グラウンドポイントの正しいセグメンテーション率は99.95%であり, ランニング時間は26msであることがわかった。
提案手法は,オープンピット鉱山に代表される非構造道路シナリオに適用可能である。
論文 参考訳（メタデータ） (2023-09-15T05:23:16Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D
Object Detection [92.75961303269548]
先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである
本稿では,両問題を一度に解決するGPENetを提案する。
我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
論文 参考訳（メタデータ） (2022-11-03T02:21:35Z) - A Segment-Wise Gaussian Process-Based Ground Segmentation With Local
Smoothness Estimation [3.42658286826597]
地上と前方の表面の正確な情報モデルは、航行と障害物回避に不可欠である。
乱れや荒れの場面では、地表の特徴と機能の関係は地面の異なる領域で異なる可能性がある。
局所的な滑らかさを推定するセグメントワイズGPに基づくグラウンドセグメンテーション法を提案する。
論文 参考訳（メタデータ） (2022-10-19T12:42:21Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳（メタデータ） (2022-05-05T17:59:55Z) - Patchwork: Concentric Zone-based Region-wise Ground Segmentation with
Ground Likelihood Estimation Using a 3D LiDAR Sensor [0.1657441317977376]
地上のセグメンテーションは、地上の移動プラットフォームがナビゲーションや近隣の物体認識を行うために不可欠である。
提案手法は, 未分割問題に対処するために頑健なtextitPatchwork という新しいグラウンドセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T06:52:10Z) - PointFlow: Flowing Semantics Through Points for Aerial Image
Segmentation [96.76882806139251]
本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。
密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。
3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
論文 参考訳（メタデータ） (2021-03-11T09:42:32Z) - A Fast Point Cloud Ground Segmentation Approach Based on Coarse-To-Fine
Markov Random Field [0.32546166337127946]
粗いマルコフ確率場(MRF)法に基づく高速点雲場分割手法を提案する。
提案手法は, 地盤のセグメンテーション精度の点で他のアルゴリズムよりも優れていることを示した。
論文 参考訳（メタデータ） (2020-11-26T06:07:24Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。