[论文解读] Efficient LiDAR data compression for embedded V2I or V2V data handling

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

Algorithms and Data Compression参考文献 9被引用 4

一句话总结

本文提出一种轻量级、基于位掩码的激光雷达数据压缩方法，适用于低功耗嵌入式系统上的实时V2V/V2I应用。通过将原始16位距离测量值的最低有效位清零，并应用标准无损压缩，该方法在处理开销极低的情况下实现了高达原始大小63.8%的压缩率，处理速度和效率优于H.264和PNG-based方法，同时在厂商指定的容差范围内保持了精度。

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.

研究动机与目标

• 解决在处理能力有限的嵌入式V2V/V2I系统中高带宽激光雷达数据传输与存储的挑战。
• 实现实时、低延迟的原始激光雷达点云压缩，以在资源受限的无线网络中高效传输数据。
• 通过保持原始数据流结构，与现有数据处理流水线保持兼容。
• 通过位掩码实现高比率压缩并控制损失，利用测量冗余和厂商指定的精度余量。
• 在嵌入式平台上展示优于现有方法（如H.264和PNG）的处理时间与压缩效率表现。

提出的方法

• 对每个16位激光雷达距离测量值的n个最低有效位（LSBs）应用位掩码，将其清零，以降低精度并生成重复的零模式。
• 对掩码后的数据使用标准无损压缩（如bzip2），以利用位掩码引入的冗余性。
• 利用大多数激光雷达传感器使用16位整数、步长（例如2毫米）远小于其标称精度（例如±3厘米）的事实，允许降低精度而不损失有意义的信息。
• 通过保持原始数据包结构和格式，确保该方法与现有数据处理链完全兼容。
• 通过调节清零位数（n）来平衡压缩率与引入的误差，支持有损和无损压缩模式。
• 仅使用位运算和标准压缩算法实现该方法，确保计算成本低，适合嵌入式系统。

实验结果

研究问题

• RQ1 对激光雷达距离测量值进行位掩码是否能显著减小数据量，同时保持在厂商指定容差范围内的精度？
• RQ2 在嵌入式和桌面系统上，所提出的位掩码压缩方法在压缩率和处理时间方面与H.264和PNG等先进方法相比如何？
• RQ3 该方法在不修改数据结构的前提下，能在多大程度上集成到现有V2V/V2I数据处理流水线中？
• RQ4 在不同激光雷达数据集上，最优的清零位数（n）应如何选择，以在压缩效率与引入的测量误差之间取得最佳平衡？
• RQ5 该方法是否能在低功耗嵌入式硬件上实现实时压缩，使其适用于路边单元和智能车辆？

主要发现

• 当清零4位时，该方法在办公室数据集上实现35.1%的相对文件大小，在测试轨道数据集上实现63.8%，在压缩率和处理时间方面均优于基于H.264的压缩方法。
• 在办公室数据集上，该方法的处理时间占数据集持续时间的105%，而H.264方法为128%，表明其具有显著更好的实时可行性。
• 在办公室数据集上，当清零4位时，该方法的平均误差为14.8毫米，标准差为9.8毫米，仍处于Velodyne VLP-16传感器典型±3厘米精度范围之内。
• 基于PNG的压缩在办公室数据集上实现了47.5%的文件大小压缩率，但处理时间占数据集持续时间的24.1%，因此不适合实时嵌入式应用。
• 在单个CPU线程上，H.264基于压缩在嵌入式硬件上的处理速度比桌面系统慢2–3倍，因此在实时嵌入式部署中不切实际。
• 该方法在异构数据集（办公室、测试轨道、Velodyne样本）上表现出一致性能，证明了其在真实环境下的鲁棒性。