[논문 리뷰] 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)|2026. 03. 04.

Remote Sensing and LiDAR Applications인용 수 0

한 줄 요약

GSeg3D는 KD-트리 기반 영역 확장을 이용한 두 단계의 격자 기반 지면 분할 방법을 도입하여 LiDAR 포인트 클라우드에서 높은 정밀도와 견고한 재현율을 달성하고, SemanticKITTI에서 검증되었습니다. 이는 안전에 민감한 시스템에서의 안정적인 런타임 성능을 강조합니다.

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.

연구 동기 및 목표

• LiDAR 데이터에서 안전에 민감한 자율 시스템을 위한 고정밀 지면 분할의 필요성에 대응한다.
• 다양한 환경에서 거짓 양성을 최소화하면서 강한 재현율을 유지하는 견고한 방법을 개발한다.
• 두 단계 격자 표현과 국소 기하 분석을 활용하여 분할 정확도와 견고성을 향상시킨다.
• SemanticKITTI에서 최신 방법들과의 성능을 평가하고 거리별 정밀도, 재현율 및 F1-스코어를 분석한다.

제안 방법

• 두 단계 지면 분할: 1단계는 넓은 높이의 격자를 사용하여 비지면 구조를 빠르게 표시하고; 2단계는 더 작은 높이의 격자를 사용하여 잠정 지면 포인트를 정제한다.
• 격자 기반 표현은 셀크기(cellsize)를 사용하여 포인트를 규칙적인 3D 격자에 할당하고 각 셀에 대해 지역 기하를 위한 3D 공분산을 계산한다.
• 각 격자 셀 내에서 공분산 행렬의 고유값에 기반한(local eigen) 분류(선, 평면, 비평면)를 통해 지면 추정에 정보를 제공한다.
• 평면 셀에서 RANSAC 평면 피팅과 함께 표면 기울기 분석을 수행하여 인접 로컬 기울기를 추정하고 잠정 지면 대 비지면을 분류한다.
• 지면 영역 확장은 초기 셀(seed cell) 아래에서 로봇에 의해 시작되는 잠정 지면 중심의 KD-트리를 사용하여 반경 기반 이웃 확장을 수행하여 고해상도 연결성을 가능하게 한다.
• 확장 후 다단계 정제: 인lier/outlier 분리, 경계상자 희소성 분석, 로컬 이웃을 통한 모호성 해결, 공간적으로 일관된 지면 영역을 보장하기 위한 떠다니는 셀 거부를 포함한다.

실험 결과

연구 질문

• RQ1 이중 단계의 격자 기반 분할이 다양한 잡음이 많은 환경과 초목이 우거진 장면에서도 높은 정밀도와 재현율을 모두 유지할 수 있는가?
• RQ2 KD-트리 기반 영역 확장이 전통적 이웃 확장에 비해 더 작은 격자 해상도에서도 견고한 지면 연결성을 가능하게 하는가?
• RQ3 GSeg3D가 SemanticKITTI에서 정밀도, 재현율, F1-점수 및 런타임 측면에서 최첨단 지면 분할 방법과 비교했을 때의 성능은 어떠한가?
• RQ4 초목이 많은 환경에서 순수 기하학적 방법의 한계는 무엇이며 정제 단계가 이를 완화할 수 있는가?

주요 결과

• GSeg3D는 모든 시퀀스에서 높은 정밀도(평균 96.6%)와 낮은 변동성(std 2.7%)을 달성한다.
• GSeg3D는 강한 재현율(평균 89.4%)과 경쟁력 있는 F1-점수(92.8%)를 제공하여 정확도와 완전성을 균형 있게 유지한다.
• Linefit과 비교할 때, GSeg3D는 재현율을 크게 높이는 반면 거의 최고 수준의 정밀도와 안정적인 성능을 유지한다.
• 전체 런타임에서 GSeg3D(48.1 ms)는 더 높은 품질의 분할을 위해 약간의 속도 손실을 감수하지만 실시간 응용에 여전히 실용적이다.
• 도시, 교외, 고속도로 및 초목이 풍부한 장면에 걸쳐 GSeg3D는 94% 이상의 높은 정밀도와 견고한 F1-스코어(89–93%)를 유지한다.
• GSeg3D의 이중 단계 접근법과 KD-트리 확장은 연결성을 보존하고 희소하거나 고르지 않은 LiDAR 스캔으로 인한 간격을 완화하는 데 도움이 된다.