論文の概要: Image-Guided Outdoor LiDAR Perception Quality Assessment for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2406.17265v1
- Date: Tue, 25 Jun 2024 04:16:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 15:41:13.219467
- Title: Image-Guided Outdoor LiDAR Perception Quality Assessment for Autonomous Driving
- Title（参考訳）: 自動走行のためのイメージガイド付き屋外LiDAR知覚品質評価
- Authors: Ce Zhang, Azim Eskandarian,
- Abstract要約: 本研究では,屋外自動運転環境を対象とした画像誘導点雲質評価アルゴリズムを提案する。
IGO-PQA生成アルゴリズムは、単一フレームのLiDARベースのポイントクラウドに対して、全体的な品質スコアを生成する。
第2のコンポーネントは、非参照アウトドアポイントクラウド品質評価のためのトランスフォーマーベースのIGO-PQA回帰アルゴリズムである。
- 参考スコア（独自算出の注目度）: 107.68311433435422
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LiDAR is one of the most crucial sensors for autonomous vehicle perception. However, current LiDAR-based point cloud perception algorithms lack comprehensive and rigorous LiDAR quality assessment methods, leading to uncertainty in detection performance. Additionally, existing point cloud quality assessment algorithms are predominantly designed for indoor environments or single-object scenarios. In this paper, we introduce a novel image-guided point cloud quality assessment algorithm for outdoor autonomous driving environments, named the Image-Guided Outdoor Point Cloud Quality Assessment (IGO-PQA) algorithm. Our proposed algorithm comprises two main components. The first component is the IGO-PQA generation algorithm, which leverages point cloud data, corresponding RGB surrounding view images, and agent objects' ground truth annotations to generate an overall quality score for a single-frame LiDAR-based point cloud. The second component is a transformer-based IGO-PQA regression algorithm for no-reference outdoor point cloud quality assessment. This regression algorithm allows for the direct prediction of IGO-PQA scores in an online manner, without requiring image data and object ground truth annotations. We evaluate our proposed algorithm using the nuScenes and Waymo open datasets. The IGO-PQA generation algorithm provides consistent and reasonable perception quality indices. Furthermore, our proposed IGO-PQA regression algorithm achieves a Pearson Linear Correlation Coefficient (PLCC) of 0.86 on the nuScenes dataset and 0.97 on the Waymo dataset.
- Abstract（参考訳）: LiDARは、自動運転車の認識にとって最も重要なセンサーの1つだ。
しかし、現在のLiDARベースのポイントクラウド認識アルゴリズムでは、包括的で厳密なLiDAR品質評価手法が欠如しており、検出性能の不確実性につながっている。
さらに、既存のポイントクラウド品質評価アルゴリズムは、主に屋内環境や単一対象シナリオ向けに設計されている。
本稿では,画像誘導アウトドアポイントクラウド品質評価(IGO-PQA)アルゴリズムという,屋外自律運転環境のための新しい画像誘導ポイントクラウド品質評価アルゴリズムを提案する。
提案アルゴリズムは2つの主成分からなる。
最初のコンポーネントであるIGO-PQA生成アルゴリズムは、ポイントクラウドデータ、対応するRGB周辺のビューイメージ、エージェントオブジェクトの基底真理アノテーションを利用して、単一フレームのLiDARベースのポイントクラウドの全体的な品質スコアを生成する。
第2のコンポーネントは、非参照アウトドアポイントクラウド品質評価のためのトランスフォーマーベースのIGO-PQA回帰アルゴリズムである。
この回帰アルゴリズムは、画像データやオブジェクト基底真理アノテーションを必要とせずに、オンライン形式でIGO-PQAスコアを直接予測することができる。
提案アルゴリズムはnuScenesとWaymoのオープンデータセットを用いて評価する。
IGO-PQA生成アルゴリズムは、一貫性と合理的な知覚品質指標を提供する。
さらに,提案したIGO-PQA回帰アルゴリズムは,nuScenesデータセットで0.86,Waymoデータセットで0.97のピアソン線形相関係数(PLCC)を実現する。
関連論文リスト
- Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。
我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。
提案手法は,最新のPCQA手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-15T07:16:07Z) - PAME: Self-Supervised Masked Autoencoder for No-Reference Point Cloud Quality Assessment [34.256276774430575]
no-reference point cloud quality Assessment (NR-PCQA) は、参照なしでポイントクラウドの知覚的品質を自動的に予測することを目的としている。
本稿では,マスク付きオートエンコーダ(PAME)を用いた自己教師型事前学習フレームワークを提案する。
提案手法は,予測精度と一般化性の観点から,最新のNR-PCQA法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-15T07:01:33Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - GeoMAE: Masked Geometric Target Prediction for Self-supervised Point
Cloud Pre-Training [16.825524577372473]
幾何学的特徴再構成に基づくポイントクラウド表現学習フレームワークを提案する。
我々は,3つの自己教師型学習目標を特異点雲,すなわちセントロイド予測,正規推定,曲率予測と同定する。
私たちのパイプラインは概念的にはシンプルで、まずポイントのグループをランダムにマスキングし、次にTransformerベースのポイントクラウドエンコーダという2つの大きなステップで構成されています。
論文 参考訳（メタデータ） (2023-05-15T17:14:55Z) - TCDM: Transformational Complexity Based Distortion Metric for Perceptual
Point Cloud Quality Assessment [24.936061591860838]
客観的クラウド品質評価(PCQA)研究の目標は、ポイントクラウド品質を一貫した方法で測定するメトリクスを開発することである。
歪んだ点雲を基準に戻す複雑さを計測することで点雲の質を評価する。
提案手法の有効性を,5つのパブリッククラウド品質評価データベース上で行った広範囲な実験を通じて評価した。
論文 参考訳（メタデータ） (2022-10-10T13:20:51Z) - Blind Quality Assessment of 3D Dense Point Clouds with Structure Guided
Resampling [71.68672977990403]
本研究では,3次元高密度点雲の知覚的視覚的品質を自動評価するために,Structure Guided Resampling (SGR) を用いた客観的点雲品質指標を提案する。
提案するSGRは,参照情報の不要な汎用ブラインド品質評価手法である。
論文 参考訳（メタデータ） (2022-08-31T02:42:55Z) - A Quality Index Metric and Method for Online Self-Assessment of
Autonomous Vehicles Sensory Perception [164.93739293097605]
本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。
我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
論文 参考訳（メタデータ） (2022-03-04T22:16:50Z) - Image Quality Assessment for Perceptual Image Restoration: A New
Dataset, Benchmark and Metric [19.855042248822738]
画像品質評価(IQA)は、画像復元アルゴリズム(IR)の急速な発展の鍵となる要素である。
GAN(Generative Adversarial Network)に基づく最近のIRアルゴリズムは、視覚性能に大きな改善をもたらした。
既存のIQA手法は、最近のIRアルゴリズムを客観的に評価できるか?
論文 参考訳（メタデータ） (2020-11-30T17:06:46Z) - Reduced Reference Perceptual Quality Model and Application to Rate
Control for 3D Point Cloud Compression [61.110938359555895]
レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。
本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。
400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。
また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
論文 参考訳（メタデータ） (2020-11-25T12:42:02Z) - PIPAL: a Large-Scale Image Quality Assessment Dataset for Perceptual
Image Restoration [28.154286553282486]
画像品質評価(IQA)は、画像復元アルゴリズム(IR)の急速な発展の鍵となる要素である。
GAN(Generative Adversarial Networks)に基づく最近のIR手法は、視覚性能を著しく向上させた。
IQA法と超解像法の両方に対する新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2020-07-23T17:15:25Z)
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。