パノラミック LiDAR スキャンからの幾何的特徴と光度特徴の学習による屋外場所分類

要約: セマンティックな場所分類は、自律ロボットと車両にとって不可欠なタスクの一つであり、未知の環境における自己決定とナビゲーションの能力を彼らにもたらします。特に屋外の場所は、日照の24時間を通じた動的な照度や車両・歩行者による遮蔽といった知覚の変動の影響で、屋内の場所よりも難しい対象です。本論文は、3D LiDARによって取得された全方位深度/反射画像を入力として用いる畳み込みニューラルネットワーク（CNN）を用いた屋外場所の分類の新しい方法を提示します。まず、二つの異なるLiDARによって撮影された二種類の点群を含む、Multi-modal Panoramic 3D Outdoor (MPO) という大規模な屋外場所データセットを構築します。これらは六つの屋外場所カテゴリ（海岸、森林、室内/室外駐車場、住宅地、都市部）のラベルが付けられています。次に、LiDARベースの屋外場所分類のためのCNNを提供し、MPOデータセットで我々のアプローチを評価します。MPOデータセットにおける我々の結果は、従来のアプローチを上回り、深度と反射モダリティの両方を使用することの有効性を示します。我々の訓練済み深層ネットワークを分析するために、学習した特徴を可視化します。