[논문 리뷰] Efficient LiDAR data compression for embedded V2I or V2V data handling

P. Caillet, Yohan Dupuis|arXiv (Cornell University)|2019. 04. 11.

Algorithms and Data Compression참고 문헌 9인용 수 4

한 줄 요약

이 논문은 저전력 임베디드 시스템에서 실시간 V2V/V2I 응용을 위한 가벼운 비트 마스크 기반 LiDAR 데이터 압축 방법을 제안한다. 원시 16비트 범위 측정값의 가장 낮은 비트들을 0으로 설정하고 표준 손실 없는 압축을 적용함으로써, 처리 오버헤드를 최소화하면서도 원본 크기의 최대 63.8%에 해당하는 높은 압축 비율을 달성한다. 이는 H.264 및 PNG 기반 방법보다 속도와 효율성 면에서 뛰어나며, 제조사에서 지정한 정확도 허용 오차 내에서 정확도를 유지한다.

ABSTRACT

LiDAR are increasingly being used in intelligent vehicles (IV) or intelligent transportation systems (ITS). Storage and transmission of data generated by LiDAR sensors are one of the most challenging aspects of their deployment. In this paper we present a method that can be used to efficiently compress LiDAR data in order to facilitate storage and transmission in V2V or V2I applications. This method can be used to perform lossless or lossy compression and is specifically designed for embedded applications with low processing power. This method is also designed to be easily applicable to existing processing chains by keeping the structure of the data stream intact. We benchmarked our method using several publicly available datasets and compared it with state-of-the-art LiDAR data compression methods from the literature.

연구 동기 및 목표

• 제한된 처리 성능을 가진 임베디드 V2V/V2I 시스템에서 높은 대역폭을 요구하는 LiDAR 데이터 전송 및 저장 문제를 해결한다.
• 제약 조건이 있는 무선 네트워크를 통해 효율적인 데이터 전송을 위해 원시 LiDAR 포인트 클라우드의 실시간, 저지연 압축을 가능하게 한다.
• 기존 데이터 처리 파이프라인과의 호환성을 유지하기 위해 원본 데이터 스트림의 구조를 그대로 보존한다.
• 측정의 부재성과 제조사에서 지정한 정확도 마진을 활용하여 비트 마스킹을 통해 손실을 통제하고 높은 압축 비율을 달성한다.
• 임베디드 플랫폼에서 H.264 및 PNG와 같은 기존 방법보다 처리 시간과 압축 효율성 면에서 뛰어난 성능을 입증한다.

제안 방법

• 각 16비트 LiDAR 범위 측정값의 n개의 가장 낮은 비트(LSB)를 0으로 설정함으로써 정밀도를 낮추고 반복적인 0 패턴을 생성한다.
• 비트 마스킹으로 유도된 부재성을 활용하기 위해 마스킹된 데이터에 표준 손실 없는 압축(예: bzip2)을 적용한다.
• 대부분의 LiDAR 센서가 2mm와 같은 작은 단위 간격으로 16비트 정수를 사용하지만, 그들의 명시된 정확도(예: ±3cm)보다 훨씬 크기 때문에 정밀도를 낮춰도 의미 있는 정보 손실이 없다는 사실을 활용한다.
• 원본 데이터 패킷 구조와 형식을 그대로 유지함으로써 기존 데이터 처리 체인과 완전히 호환되도록 방법을 설계한다.
• 압축 비율과 유도된 오차 사이의 균형을 맞추기 위해 0으로 설정된 비트 수(n)를 조정함으로써 손실 압축 및 손실 없는 압축 모드를 모두 지원한다.
• 저비용의 계산을 위해 비트 연산과 표준 압축만을 사용하여 임베디드 시스템에 적합한 낮은 계산 비용을 확보한다.

실험 결과

연구 질문

• RQ1 LiDAR 범위 측정값의 비트 마스킹이 제조사에서 지정한 정확도 허용 오차 내에서 유지하면서 데이터 크기를 크게 줄일 수 있는가?
• RQ2 임베디드 및 데스크톱 시스템에서 H.264 및 PNG와 같은 최신 기술과 비교할 때 제안된 비트 마스킹 압축 방법의 압축 비율과 처리 시간은 어떻게 되는가?
• RQ3 기존 V2V/V2I 데이터 처리 파이프라인에 데이터 구조를 수정하지 않고 얼마나 잘 통합될 수 있는가?
• RQ4 다양한 LiDAR 데이터셋에서 압축 효율성과 유도된 측정 오차 사이의 균형을 맞추기 위해 최적의 비트 수(n)는 얼마인가?
• RQ5 이 방법은 저전력 임베디드 하드웨어에서 실시간 압축을 달성할 수 있는가? 이는 도로변 단말기 및 지능형 차량에 실용적으로 적용 가능한가?

주요 결과

• 4비트를 0으로 설정했을 때 사무실 데이터셋의 상대 파일 크기는 35.1%였고, 시험 트랙 데이터셋은 63.8%였으며, 이는 H.264 기반 압축보다 높은 압축 비율과 처리 시간에서 뛰어난 성능을 보였다.
• 사무실 데이터셋에서 제안된 방법의 처리 시간은 데이터셋 지속 시간의 105%였고, H.264 방법은 128%였으며, 이는 실시간 구현 가능성 면에서 뚜렷이 뛰어난 성능을 보임을 시사한다.
• 사무실 데이터셋에서 4비트 마스킹 시 평균 오차는 14.8mm, 표준편차는 9.8mm였으며, Velodyne VLP-16 센서의 일반적인 ±3cm 정확도 범위 내에 유지되었다.
• PNG 기반 압축은 사무실 데이터셋에서 파일 크기를 47.5%로 줄였지만, 처리에 데이터셋 지속 시간의 24.1%가 소요되어 실시간 임베디드 사용에 적합하지 않았다.
• 단일 CPU 코어에서 H.264 기반 압축은 임베디드 하드웨어에서 데스크톱 시스템 대비 2~3배 느렸으며, 실시간 임베디드 구현에 현실적으로 부적합했다.
• 이 방법은 사무실, 시험 트랙, Velodyne 샘플 등 이질적인 데이터셋에서 일관된 성능을 보여, 실제 환경 조건에서의 강건성을 입증했다.