Fugu-MT 論文翻訳(概要): Parallel Processing of Point Cloud Ground Segmentation for Mechanical and Solid-State LiDARs

論文の概要: Parallel Processing of Point Cloud Ground Segmentation for Mechanical and Solid-State LiDARs

arxiv url: http://arxiv.org/abs/2408.10404v1
Date: Mon, 19 Aug 2024 20:39:21 GMT
ステータス: 処理完了
システム内更新日: 2024-08-21 17:43:23.895608
Title: Parallel Processing of Point Cloud Ground Segmentation for Mechanical and Solid-State LiDARs
Title（参考訳）: メカニカル・ソリッド・ステートLiDARのためのポイントクラウドグラウンドセグメンテーションの並列処理
Authors: Xiao Zhang, Zhanhong Huang, Garcia Gonzalez Antony, Witek Jachimczyk, Xinming Huang,
Abstract要約: 本稿では,FPGAプラットフォーム上でのリアルタイムクラウドグラウンドセグメンテーションのための並列処理フレームワークを提案する。我々は,既存手法の並列処理手法を探求し,実世界のソリッドステートLiDARデータ処理に適用する。 SSLセンサ用FPGAにおけるレンジイメージグラウンドセグメンテーションの先駆的な実装により,処理速度と資源効率が大幅に向上した。
参考スコア（独自算出の注目度）: 5.662813550845726
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we introduce a novel parallel processing framework for real-time point cloud ground segmentation on FPGA platforms, aimed at adapting LiDAR algorithms to the evolving landscape from mechanical to solid-state LiDAR (SSL) technologies. Focusing on the ground segmentation task, we explore parallel processing techniques on existing approaches and adapt them to real-world SSL data handling. We validated frame-segmentation based parallel processing methods using point-based, voxel-based, and range-image-based ground segmentation approaches on the SemanticKITTI dataset based on mechanical LiDAR. The results revealed the superior performance and robustness of the range-image method, especially in its resilience to slicing. Further, utilizing a custom dataset from our self-built Camera-SSLSS equipment, we examined regular SSL data frames and validated the effectiveness of our parallel approach for SSL sensor. Additionally, our pioneering implementation of range-image ground segmentation on FPGA for SSL sensors demonstrated significant processing speed improvements and resource efficiency, achieving processing rates up to 50.3 times faster than conventional CPU setups. These findings underscore the potential of parallel processing strategies to significantly enhance LiDAR technologies for advanced perception tasks in autonomous systems. Post-publication, both the data and the code will be made available on GitHub.
Abstract（参考訳）: 本研究では,FPGAプラットフォーム上でのリアルタイムクラウドグラウンドセグメンテーションのための並列処理フレームワークを提案する。グラウンドセグメンテーションタスクに着目し,既存のアプローチの並列処理手法を探索し,実世界のSSLデータ処理に適用する。メカニカルLiDARをベースとしたSemanticKITTIデータセット上で,点ベース,ボクセルベース,および範囲イメージベースのグラウンドセグメンテーション手法を用いて,フレームセグメンテーションに基づく並列処理手法を検証する。その結果,特にスライシングのレジリエンスにおいて,レンジイメージ法の優れた性能とロバスト性を示した。さらに、自作カメラ-SSLSS機器のカスタムデータセットを用いて、通常のSSLデータフレームを調査し、SSLセンサに対する並列アプローチの有効性を検証した。さらに、SSLセンサ用FPGAにおけるレンジイメージグラウンドセグメンテーションの先駆的な実装により、処理速度が大幅に向上し、リソース効率が向上し、従来のCPUセットアップよりも処理速度が最大50.3倍向上した。これらの結果は、自律システムにおける高度な認識タスクのためのLiDAR技術を著しく強化する並列処理戦略の可能性を強調している。公開後、データとコードの両方がGitHubで公開される。

関連論文リスト

Large-scale Remote Sensing Image Target Recognition and Automatic Annotation [0.0]
LRSAAと呼ばれる大面積リモートセンシング画像におけるオブジェクト認識と自動ラベリングの手法を提案する。 YOLOv11とMobileNetV3-SSDオブジェクト検出アルゴリズムをアンサンブル学習により統合し,モデル性能を向上させる。
論文参考訳（メタデータ） (2024-11-12T13:57:13Z)
DH-PTAM: A Deep Hybrid Stereo Events-Frames Parallel Tracking And Mapping System [1.443696537295348]
本稿では,視覚的並列追跡・マッピング(PTAM)システムに対するロバストなアプローチを提案する。提案手法は,異種多モード視覚センサの強度を統一参照フレームに組み合わせたものである。私たちの実装のリサーチベースのPython APIはGitHubで公開されています。
論文参考訳（メタデータ） (2023-06-02T19:52:13Z)
ParaGraph: Weighted Graph Representation for Performance Optimization of HPC Kernels [1.304892050913381]
抽象構文木を拡張した並列アプリケーションのためのグラフベースの新しいプログラム表現を提案する。提案した表現は,OpenMPコード領域のランタイムを予測するために,グラフニューラルネットワーク(GNN)をトレーニングすることで評価する。その結果,本手法は実効性があり,実行時予測では 0.004 から 0.01 に RMSE を正規化していることがわかった。
論文参考訳（メタデータ） (2023-04-07T05:52:59Z)
Energy-efficient Task Adaptation for NLP Edge Inference Leveraging Heterogeneous Memory Architectures [68.91874045918112]
Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
論文参考訳（メタデータ） (2023-03-25T14:40:59Z)
Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
論文参考訳（メタデータ） (2022-12-22T09:05:07Z)
Exploring Techniques for the Analysis of Spontaneous Asynchronicity in MPI-Parallel Applications [0.8889304968879161]
マイクロベンチマークと現実的なプロキシアプリケーションを,2つの異なるスーパーコンピュータプラットフォーム上で通常の計算通信構造で実行します。完全MPIトレースよりもはるかに小さいデータセットから,デシンクロナイゼーションパターンを容易に識別できることを示す。
論文参考訳（メタデータ） (2022-05-27T13:19:07Z)
Hardware-Efficient Deconvolution-Based GAN for Edge Computing [1.5229257192293197]
Generative Adversarial Networks (GAN) は、学習したデータ分布に基づいて新しいデータサンプルを生成する最先端のアルゴリズムである。我々は、スケーラブルなストリーミングデータフローアーキテクチャを用いてFPGA上に実装された量子化デコンボリューションGAN(QDCGAN)のトレーニングのためのHW/SW共同設計手法を提案する。リソース制約のあるプラットフォーム上での低消費電力推論のために,様々な精度,データセット,ネットワークスケーラビリティを解析した。
論文参考訳（メタデータ） (2022-01-18T11:16:59Z)
SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文参考訳（メタデータ） (2021-12-22T14:45:37Z)
Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
論文参考訳（メタデータ） (2021-05-25T15:55:14Z)
Multi-scale Interaction for Real-time LiDAR Data Segmentation on an Embedded Platform [62.91011959772665]
LiDARデータのリアルタイムセマンティックセグメンテーションは、自動運転車にとって不可欠である。ポイントクラウド上で直接動作する現在のアプローチでは、複雑な空間集約操作を使用する。本稿では,マルチスケールインタラクションネットワーク(MINet)と呼ばれるプロジェクションベースの手法を提案する。
論文参考訳（メタデータ） (2020-08-20T19:06:11Z)
Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
論文参考訳（メタデータ） (2020-03-11T08:45:53Z)

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。