[論文レビュー] Non-flat Road Detection Based on A Local Descriptor.

Kangru Wang, Lei Qu+3 more|arXiv (Cornell University)|Sep 27, 2016

Advanced Vision and Imaging参考文献 10被引用数 6

ひとこと要約

本論文は、地面領域と非平坦または複数の地面平面を効果的に区別できるようにする、新しい局所ディスパラティー記述子を用いたステレオビジョンベースの地面平面検出フレームワークを提案する。この記述子によりディスパラティー・テクスチャ画像が生成され、複雑な地形でも頑健な検出を実現するため、このテクスチャ画像を入力として畳み込みニューラルネットワーク（CNN）を活用する。

ABSTRACT

The detection of road and free space remains challenging for non-flat plane, especially with the varying latitudinal and longitudinal slope or in the case of multi-ground plane. In this paper, we propose a framework of the ground plane detection with stereo vision. The main contribution of this paper is a newly proposed descriptor which is implemented in the disparity image to obtain a disparity texture image. The ground plane regions can be distinguished from their surroundings effectively in the disparity texture image. Because the descriptor is implemented in the local area of the image, it can address well the problem of non-flat plane. And we also present a complete framework to detect the ground plane regions base on the disparity texture image with convolutional neural network architecture.

研究の動機と目的

• 変動する勾配を有する非平坦または複数の地面平面環境における地面平面検出の課題に対処すること。
• 複雑な地形条件下で失敗する伝統的手法の限界を克服すること。
• ディスパラティー画像におけるテクスチャ表現を向上させる局所記述子の開発。
• ディスパラティー・テクスチャ画像から地面領域を検出するため、畳み込みニューラルネットワーク（CNN）の統合。
• 実際の走行シナリオにおける頑健な地面平面検出を実現する、完全でエンドツーエンドのフレームワークの提供。

提案手法

• ディスパラティー画像に適用可能な新しい局所記述子を提案し、地面平面の特徴を強調するディスパラティー・テクスチャ画像を生成する。
• 局所画像領域に記述子を適用することで空間的詳細を保持し、非平坦な表面に対しても適応可能にする。
• ディスパラティー・テクスチャ画像を畳み込みニューラルネットワーク（CNN）の入力として用い、地面平面領域のセマンティックセグメンテーションを実行する。
• ディスパラティー・テクスチャからの判別的特徴を学習できるようにCNNを訓練し、複雑なシーンにおける検出精度を向上させる。
• ステレオディスパラティー計算、テクスチャ生成、ディープラーニングベースのセグメンテーションを統合した完全なパイプラインを設計する。
• グローバルな平面仮定に依存せず、局所的なテクスチャパターンに依存することで、経度および緯度方向の勾配の変動に対しても頑健であることを保証する。

実験結果

リサーチクエスチョン

• RQ1 局所記述子は、非平坦または複数の地面平面環境における地面平面検出をどのように改善できるか？
• RQ2 新規の局所記述子から生成されたディスパラティー・テクスチャ画像は、地面領域の判別性を向上させることができるか？
• RQ3 ディスパラティー・テクスチャ画像を学習データとして用いたCNNベースのアプローチは、地面平面セグメンテーションにおいてどの程度性能を向上させるか？
• RQ4 従来の平面フィッティング手法と比較して、提案手法は勾配の変動や複雑な地形下でもどの程度の性能を示すか？

主な発見

• 提案された局所ディスパラティー記述子は、地面平面領域の視覚的区別を明確にするディスパラティー・テクスチャ画像を効果的に生成した。
• ディスパラティー・テクスチャ画像のおかげで、非平坦または複数の地面平面の状況でも地面平面のセグメンテーションが効果的に可能となった。
• CNNベースのフレームワークは、ディスパラティー画像内のテクスチャパターンを学習することで、頑健な検出を実現した。
• 局所的でテクスチャに基づく分析に依存するため、従来の手法に比べて勾配の変動する状況下でも地面平面検出性能が優れていた。
• 局所記述子とディープラーニングの統合により、実世界の自律走行に適したスケーラブルで高精度なソリューションが得られた。