[論文レビュー] GSeg3D: A High-Precision Grid-Based Algorithm for Safety-Critical Ground Segmentation in LiDAR Point Clouds

Muhammad Haider Khan Lodhi, Christoph Hertzberg|arXiv (Cornell University)|Mar 4, 2026

Remote Sensing and LiDAR Applications被引用数 0

ひとこと要約

GSeg3DはKD-tree駆動の領域拡張を用いた2段階のグリッドベース地表セグメンテーション法を導入し、LiDAR点群における高精度と堅牢なリコールを実現。SemanticKITTIで検証され、安全 criticalな性能と安定した実行時間を強調。

ABSTRACT

Ground segmentation in point cloud data is the process of separating ground points from non-ground points. This task is fundamental for perception in autonomous driving and robotics, where safety and reliable operation depend on the precise detection of obstacles and navigable surfaces. Existing methods often fall short of the high precision required in safety-critical environments, leading to false detections that can compromise decision-making. In this work, we present a ground segmentation approach designed to deliver consistently high precision, supporting the stringent requirements of autonomous vehicles and robotic systems operating in real-world, safety-critical scenarios.

研究の動機と目的

• LiDARデータにおける安全 critical autonomous systems用の高精度な地表セグメンテーションのニーズに対応。
• 誤検出を最小化しつつ、多様な環境で高いリコールを維持する堅牢な手法を開発。
• 2段階のグリッド表現と局所的幾何解析を活用してセグメンテーション精度と堅牢性を向上。
• SemanticKITTI上で最先端手法と性能を比較し、距離ごとの精度、リコール、F1スコアを分析。

提案手法

• Phase Iでは大高グリッドを用いて非地形構造を迅速にマーキング；Phase IIではより小さな高さのグリッドで仮地表点を精練。
• Grid-based表現はセルサイズを用いて点を規則的な3Dグリッドに割り当て、各セルの局所幾何の3D共分散を計算。
• 各グリッドセル内で局所固有ベクトルを基に共分散行列の固有値から線形・平面・非平面的を分類し地表推定を導く。
• Planarセルでの表面勾配解析とRANSAC平面適合を用いて局所の傾斜を推定し、仮地表 vs 非地表を分類。
• Ground Region Expansionは仮地表セントロイドのKD-treeを用いた半径ベースの近傍拡張をロボット下の種セルから開始し、高解像度の連結性を可能にする。
• 拡張後の多段階 refinementsとして、インライア/アウトライアの分離、境界ボックスのスパース性解析、近傍を用いたあいまいさ解消、浮動セルの排除を含み、地表領域を空間的に一貫させる。

実験結果

リサーチクエスチョン

• RQ1 デュアルフェーズのグリッドベースセグメンテーションは、多様な混雑した環境や樹木密集環境でも高精度を維持しつつリコールを保持できるか？
• RQ2 KD-tree駆動の領域拡張は、従来の近傍拡張と比べて細いグリッド解像度で堅牢な地表接続性を可能にするか？
• RQ3 SemanticKITTI上での精度・リコール・F1スコア・実行時間の点で、GSeg3Dは最先端の地表セグメンテーション手法とどう比較されるか？
• RQ4 樹木密集環境における純粋な幾何手法の限界は何か、 refinement手法でそれを緩和できるか？

主な発見

• GSeg3Dは全シーケンスを通じて高い精度を達成（平均96.6%、標準偏差2.7%）
• GSeg3Dは高いリコール（平均89.4%）と競争力のあるF1スコア（92.8%）を提供し、精度と完全性のバランスを取る
• Linefitと比較して、GSeg3Dはリコールを大幅に改善しつつ、ほぼトップクラスの精度と安定した性能を維持
• 総合的な実行時間はGSeg3Dが48.1 msで、堅牢なセグメンテーション品質と現実時間適用性を保つために速度の一部を犠牲にしている
• 都市部・郊外・高速道路・樹木密集の各シーンを横断して、GSeg3Dは高い精度を維持（>94%）と堅牢なF1スコア（89–93%）を示す
• GSeg3Dの2段階アプローチとKD-tree拡張は連結性を維持し、疎または非均一なLiDARスキャンによるギャップを緩和するのに役立つ