[論文レビュー] Fast LIDAR-based Road Detection Using Fully Convolutional Neural Networks

Luca Caltagirone, Samuel Scheidegger+2 more|arXiv (Cornell University)|Mar 10, 2017

Remote Sensing and LiDAR Applications参考文献 19被引用数 24

ひとこと要約

本稿では、点群の非構造的データを上位視点の画像に変換することで、LIDARを用いた道路検出のためのリアルタイムで完全畳み込みニューラルネットワーク（FCN）を提案する。この手法はKITTIの道路ベンチマークで最先端の性能（MaxF: 95.58%）を達成し、GPUハードウェア上で効率的にリアルタイムで動作し、照明条件の変化に対しても頑健である。

ABSTRACT

In this work, a deep learning approach has been developed to carry out road detection using only LIDAR data. Starting from an unstructured point cloud, top-view images encoding several basic statistics such as mean elevation and density are generated. By considering a top-view representation, road detection is reduced to a single-scale problem that can be addressed with a simple and fast fully convolutional neural network (FCN). The FCN is specifically designed for the task of pixel-wise semantic segmentation by combining a large receptive field with high-resolution feature maps. The proposed system achieved excellent performance and it is among the top-performing algorithms on the KITTI road benchmark. Its fast inference makes it particularly suitable for real-time applications.

研究の動機と目的

• 変化する照明条件下でもカメラベースの手法を上回る深層学習ベースのLIDAR道路検出手法の不足を補う。
• LIDARデータのみを用いて高速かつ高精度なセマンティックセグメンテーションシステムを構築する。
• GPUアクセラレーションを活用することで、自律走行システムへの統合を可能にするリアルタイム推論を実現する。
• 照明が悪化したり変化する環境で性能が低下するカメラベース手法の限界を克服する。
• LIDAR点群の上位視点表現が、高精度な道路セグメンテーションに十分な判別情報を含んでいることを実証する。

提案手法

• LIDARのx-y平面を0.1m×0.1mのセルに分割し、原始的なLIDAR点群を200×400の上位視点グリッド画像に変換する。
• 各グリッドセルに対して6つの統計特徴（点数、平均反射率、平均、標準偏差、最小値、最大値）を計算する。
• 得られた6チャンネルの上位視点画像を、大きな受容 field と高解像度の特徴マップを持つ完全畳み込みニューラルネットワーク（FCN）に供給する。
• データオーグメンテーションを用いてKITTIの道路ベンチマークでピクセル単位のセマンティックセグメンテーション損失を用いてFCNを学習する。
• 高密度の点群領域に焦点を当てるために、動的に調整可能なx範囲を持つ領域（ROIs）を用いる。
• アノテーション手法の比較：逆透視変換（IPM）と補間された点群の直接投影を比較し、ラベル付けの正確性が評価に与える影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 完全畳み込みニューラルネットワークは、点群の上位視点表現のみを用いて、LIDARベースの道路検出で最先端の性能を達成できるか？
• RQ2 LIDARセンサーからの距離に応じて、ROIsの異なる設定がFCNの性能にどのように影響するか？
• RQ3 上位視点のアノテーション手法の選択（IPM対点群投影）が、道路検出性能の評価にどの程度影響を及えるか？
• RQ4 占有画像（点の存在/非存在のバイナリ表現）のみで高精度なセグメンテーションが達成できるか？これは空間的分布そのものが十分に判別可能であることを示唆する。
• RQ5 システムはリアルタイムで動作するか？自律走行システムへの導入に適しているか？

主な発見

• 提案されたFCNは、アノテーションに点群投影（PCP）を用いた場合、KITTIの検証セットでMaxF 95.58%を達成した。
• 最大ROI距離が31メートルの地点で性能がピークに達し、46メートルでは点群密度が低下した影響でMaxFが95.58%に低下した。
• IPMに代えてより正確な点群投影（PCP）を用いることで、検証セットの精度が92.92%から94.15%に向上した。
• 入力に占有画像のみを用いた場合、MaxFが95.32%に達した。これは、点群の空間的分布そのものが強力な判別情報を提供していることを示している。
• モデルはGPUアクセラレーションされたハードウェア上でリアルタイムで動作し、自律走行システムへの導入に適している。
• 本手法は、深層学習を用いないLIDARベースの手法を上回り、KITTIの道路ベンチマークにおいて上位の性能を示すアルゴリズムの一つである。