[논문 리뷰] Lisco: A Continuous Approach in LiDAR Point-cloud Clustering

Hannaneh Najdataei, Yiannis Nikolakopoulos외 2명|arXiv (Cornell University)|2017. 11. 06.

Remote Sensing and LiDAR Applications참고 문헌 19인용 수 4

한 줄 요약

Lisco는 LiDAR 포인트 클라우드를 위한 단일패스, 연속적인 유클리드 거리 기반 군집화 알고리즘으로, LiDAR 데이터의 고유한 각도 및 회전 순서를 활용하여 정렬 구조가 필요 없이 세밀한 파이프라인 처리를 가능하게 한다. 기존 PCL 기반 기준선 대비 최대 3배의 속도 향상과 뛰어난 확장성을 달성하여 자율 주행차와 같은 사이버-물리 시스템에서 실시간 스트리밍 군집화를 가능하게 한다.

ABSTRACT

The light detection and ranging (LiDAR) technology allows to sense surrounding objects with fine-grained resolution in a large areas. Their data (aka point clouds), generated continuously at very high rates, can provide information to support automated functionality in cyberphysical systems. Clustering of point clouds is a key problem to extract this type of information. Methods for solving the problem in a continuous fashion can facilitate improved processing in e.g. fog architectures, allowing continuous, streaming processing of data close to the sources. We propose Lisco, a single-pass continuous Euclidean-distance-based clustering of LiDAR point clouds, that maximizes the granularity of the data processing pipeline. Besides its algorithmic analysis, we provide a thorough experimental evaluation and highlight its up to 3x improvements and its scalability benefits compared to the baseline, using both real-world datasets as well as synthetic ones to fully explore the worst-cases.

연구 동기 및 목표

• 기존 방법에서 발생하는 배치 기반 처리 및 정렬 의존성으로 인한 LiDAR 포인트 클라우드 군집화 성능 저하 문제를 해결하기 위해.
• 사이버-물리 시스템의 실시간 응용을 위한 스트리밍 LiDAR 데이터 처리에서 세밀한 파이프라인 처리를 가능하게 하기 위해.
• 보조 데이터 구조(예: kd-트리 또는 옥트리)에 의존하지 않고 LiDAR 데이터의 자연스러운 순서를 활용하여 처리 처리량을 최대화하는 군집화 알고리즘을 설계하기 위해.
• 실제 및 합성 데이터 세트를 대상으로 제안된 방법을 평가하여 성능, 확장성, 악조건 하에서의 견고성(로버스트니)을 평가하기 위해.

제안 방법

• Lisco는 LiDAR 센서의 스캐닝 패턴으로 인해 데이터 스트림에서 연속적인 포인트들이 공간적으로 가까운 점들임을 고려하여, 이들의 각도 및 회전 순서를 활용하여 이웃 관계를 직접 유추한다.
• 알고리즘은 하위 군집 헤드를 유지하고, 사전 정렬이나 색인 구조 없이 유클리드 거리 기반으로 들어오는 포인트를 기존 군집에 동적으로 할당한다.
• 연속적이고 단일패스 처리 모델을 사용하여 하위 군집이 언제든지 사용자에게 제공될 수 있도록 하며, 실시간 및 스트리밍 배포를 지원한다.
• 데이터 스트림 내의 고유한 공간 국소성에 기반하여 비용이 많이 드는 이웃 검색을 피함으로써 계산 오버헤드를 감소시킨다.
• Lisco는 군집 헤드를 동적으로 관리하고, 필요할 때만 가까운 군집을 병합하여 중복 작업을 최소화한다.
• 알고리즘은 프로토타입으로 구현되었으며, 기준선으로 널리 사용되는 PCL 유클리드 군집화 방법과의 비교 평가가 이루어졌다.

실험 결과

연구 질문

• RQ1 LiDAR 포인트 클라우드를 위한 연속적이고 단일패스 군집화 접근 방식이 정렬 또는 색인 구조가 필요 없이도 높은 정확도를 유지할 수 있는가?
• RQ2 Lisco의 성능은 최신 기술 기반인 PCL 기반 유클리드 군집화 방법과 비교해 볼 때 속도 및 확장성 측면에서 어떻게 다른가?
• RQ3 LiDAR 데이터의 고유한 각도 및 회전 순서는 스트리밍 데이터 처리에서 세밀한 파이프라인 처리를 얼마나 잘 활용할 수 있는가?
• RQ4 매우 비균일한 포인트 분포 또는 극단적인 데이터 속도 조건과 같은 악조건 상황에서 Lisco는 어떻게 성능을 발휘하는가?
• RQ5 연속적인 LiDAR 군집화 파이프라인에서 군집 정확도, 처리 지연, 처리량 간의 상호 상충 관계는 어떻게 나타나는가?

주요 결과

• Lisco는 실세계 및 합성 데이터 세트 전반에서 PCL 기반 기준선 대비 최대 3배의 처리 속도 향상을 달성한다.
• 단일패스 및 파이프라인 아키텍처 덕분에 고속 스트리밍 환경에서 특히 뛰어난 확장성 향상을 보인다.
• LiDAR 데이터의 자연스러운 순서를 활용함으로써 kd-트리와 같은 정렬 또는 색인 구조가 필요 없어지며, 사전 처리 오버헤드가 감소한다.
• 지속적인 출력을 지원하여 처리 중 언제든지 하위 군집을 사용자에게 제공할 수 있으며, 이는 실시간 응용에 매우 중요하다.
• 합성 악조건 테스트를 통해 비균일한 포인트 분포 조건에서도 Lisco는 고정밀도 군집화 정확도를 유지함을 입증하였다.
• 평가 결과, 다양한 LiDAR 데이터 특성(포인트 밀도 및 물체 거리의 변화 포함)에 걸쳐 Lisco의 성능이 견고함을 확인하였다.