論文の概要: CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation
- arxiv url: http://arxiv.org/abs/2403.16794v1
- Date: Mon, 25 Mar 2024 14:13:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 19:53:16.561240
- Title: CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation
- Title(参考訳): CurbNet: LiDARポイントクラウドセグメンテーションに基づくカーブ検出フレームワーク
- Authors: Guoyang Zhao, Fulong Ma, Yuxuan Liu, Weiqing Qi, Ming Liu,
- Abstract要約: CurbNetは検出を抑えるための新しいフレームワークで、ポイントクラウドセグメンテーションを利用している。
我々は7,100フレームからなる3D-Curbデータセットを開発した。
CurbNetは、わずか0.15mの許容率で0.95以上の例外的な平均値を達成したため、新しいベンチマークが確立された。
- 参考スコア(独自算出の注目度): 7.451629109566809
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Curb detection is an important function in intelligent driving and can be used to determine drivable areas of the road. However, curbs are difficult to detect due to the complex road environment. This paper introduces CurbNet, a novel framework for curb detection, leveraging point cloud segmentation. Addressing the dearth of comprehensive curb datasets and the absence of 3D annotations, we have developed the 3D-Curb dataset, encompassing 7,100 frames, which represents the largest and most categorically diverse collection of curb point clouds currently available. Recognizing that curbs are primarily characterized by height variations, our approach harnesses spatially-rich 3D point clouds for training. To tackle the challenges presented by the uneven distribution of curb features on the xy-plane and their reliance on z-axis high-frequency features, we introduce the multi-scale and channel attention (MSCA) module, a bespoke solution designed to optimize detection performance. Moreover, 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. Our extensive experimentation on 2 major datasets has yielded results that surpass existing benchmarks set by leading curb detection and point cloud segmentation models. By integrating multi-clustering and curve fitting techniques in our post-processing stage, we have substantially reduced noise in curb detection, thereby enhancing precision to 0.8744. Notably, CurbNet has achieved an exceptional average metrics of over 0.95 at a tolerance of just 0.15m, thereby establishing a new benchmark. Furthermore, corroborative real-world experiments and dataset analyzes mutually validate each other, solidifying CurbNet's superior detection proficiency and its robust generalizability.
- Abstract(参考訳): カーブ検出はインテリジェントな運転において重要な機能であり、道路の乾燥領域を決定するのに使用できる。
しかし、複雑な道路環境のため、縁石の検知は困難である。
本稿では,検出を抑えるための新しいフレームワークであるCurbNetを紹介し,ポイントクラウドセグメンテーションを活用する。
3D-Curbデータセットは,3D-Curbデータセットと3Dアノテーションの欠如に対処し,最大かつ最も多種多様である3D-Curbデータセットを3D-Curbデータセットとして開発した。
縁石が主に高さの変動によって特徴づけられることを認識し、我々のアプローチは空間的に豊かな3次元点雲をトレーニングに利用している。
本稿では,xy平面上の凹凸特性の不均一分布とz軸高周波数特性への依存に対処するため,検出性能の最適化を目的としたマルチスケール・チャネルアテンション(MSCA)モジュールを提案する。
さらに,適応重み付き損失関数群を提案する。これは,他のカテゴリと比較して,ストリップ点雲の分布の不均衡に対処するために特別に定式化されたものである。
2つの主要なデータセットに関する大規模な実験は、ストレッチ検出とポイントクラウド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結果をもたらしました。
後処理段階にマルチクラスタリングとカーブフィッティングを組み込むことで,ストレッチ検出におけるノイズを大幅に低減し,精度0.8744まで精度を向上する。
特にCurbNetは、わずか0.15mの許容度で0.95以上の例外的な平均値を達成したため、新しいベンチマークが確立された。
さらに、相関的な実世界の実験とデータセットは相互に検証し、CurbNetの優れた検出能力と堅牢な一般化性を固める。
関連論文リスト
- ModelNet-O: A Large-Scale Synthetic Dataset for Occlusion-Aware Point
Cloud Classification [28.05358017259757]
本論文では,123,041サンプルの大規模合成データセットであるModelNet-Oを提案する。
ModelNet-Oは、モノクロカメラからのスキャンによる自己閉塞で現実世界の点雲をエミュレートする。
本稿では,PointMLSと呼ばれるロバストポイントクラウド処理手法を提案する。
論文 参考訳(メタデータ) (2024-01-16T08:54:21Z) - Clustering based Point Cloud Representation Learning for 3D Analysis [80.88995099442374]
本稿では,ポイントクラウド分析のためのクラスタリングに基づく教師付き学習手法を提案する。
現在のデファクトでシーンワイドなトレーニングパラダイムとは異なり、我々のアルゴリズムは点埋め込み空間上でクラス内のクラスタリングを行う。
我々のアルゴリズムは、有名なポイントクラウドセグメンテーションデータセットの顕著な改善を示している。
論文 参考訳(メタデータ) (2023-07-27T03:42:12Z) - Human Semantic Segmentation using Millimeter-Wave Radar Sparse Point
Clouds [3.3888257250564364]
本稿では,ミリ波レーダの粗い逐次点雲のセマンティックセグメンテーションのためのフレームワークを提案する。
mmWaveデータの空間的特徴と時間的トポロジ的特徴は依然として問題である。
グラフ構造とトポロジ的特徴をポイントクラウドに導入し,セマンティックセグメンテーションフレームワークを提案する。
我々のモデルは、$mathbf82.31%$でカスタムデータセットの平均精度を達成し、最先端のアルゴリズムより優れている。
論文 参考訳(メタデータ) (2023-04-27T12:28:06Z) - Variational Relational Point Completion Network for Robust 3D
Classification [59.80993960827833]
可変点雲補完法は、局所的な詳細を欠くため、大域的な形状の骨格を生成する傾向がある。
本稿では2つの魅力的な特性を持つ変分フレームワークであるポイントコンプリートネットワーク(VRCNet)を提案する。
VRCNetは、現実世界のポイントクラウドスキャンにおいて、非常に一般化性と堅牢性を示している。
論文 参考訳(メタデータ) (2023-04-18T17:03:20Z) - Dual Adaptive Transformations for Weakly Supervised Point Cloud
Segmentation [78.6612285236938]
弱制御点雲分割のための新しいDATモデル(textbfDual textbfAdaptive textbfTransformations)を提案する。
我々は,大規模S3DISデータセットとScanNet-V2データセットの2つの人気バックボーンを用いたDATモデルの評価を行った。
論文 参考訳(メタデータ) (2022-07-19T05:43:14Z) - Contrastive Embedding Distribution Refinement and Entropy-Aware
Attention for 3D Point Cloud Classification [3.710922682020501]
この作業は、任意のポイントクラウド分類ネットワークに組み込むことができる対照的な学習アプローチを通じて、強力な表現を学ぶための新しい戦略を提供する。
本手法は実世界のScanObjectNNデータセットにおいて82.9%の精度を実現し,DCGNNでは2.9%,PointNet++では3.1%,GBNetでは2.4%の大幅な性能向上を実現した。
論文 参考訳(メタデータ) (2022-01-27T09:10:28Z) - Learning Semantic Segmentation of Large-Scale Point Clouds with Random
Sampling [52.464516118826765]
我々はRandLA-Netを紹介した。RandLA-Netは、大規模ポイントクラウドのポイントごとの意味を推論する、効率的で軽量なニューラルネットワークアーキテクチャである。
我々のアプローチの鍵は、より複雑な点選択アプローチではなく、ランダムな点サンプリングを使用することである。
我々のRandLA-Netは、既存のアプローチよりも最大200倍高速な1回のパスで100万ポイントを処理できます。
論文 参考訳(メタデータ) (2021-07-06T05:08:34Z) - Recalibration of Neural Networks for Point Cloud Analysis [3.7814216736076434]
3Dポイントクラウドのためのディープニューラルネットワーク上での再校正モジュールを導入する。
提案モジュールを3次元ポイントクラウド解析のための3つの最先端ネットワークに組み込むことで,提案モジュールのメリットと汎用性を実証する。
第2の実験では,アルツハイマー病の診断における再校正ブロックの利点について検討した。
論文 参考訳(メタデータ) (2020-11-25T17:14:34Z) - InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic
Information Modeling [65.47126868838836]
動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。
粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。
大規模なnuScenes 3D検出ベンチマークで実験を行った。
論文 参考訳(メタデータ) (2020-07-16T18:27:08Z) - Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。
具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。
この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
論文 参考訳(メタデータ) (2020-04-06T15:07:16Z)
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。