(2022 RA-L)

📝 Paper & Presentation

Receding Moving Object Segmentation in 3D LiDAR Data Using Sparse 4D Convolutions.pdf

빨간거: 모르겠는것

밑줄: 중요(해 보이는것)

Abstract

• RGB 이미지의 unstructed environment에서 탐색가능한 영역을 식별하기 위한 효율적인 learning-based method를 제시합니다.
• coarse-grained semantic segmentation을 사용하여 navigability level에 따라 지형을 분류합니다.
• 서로 다른 backbone 설계를 개선할 수 있는 서로 다른 지형의 navigability level을 구별하는 새로운 group-atttention mechanism인 GA-Nav를 제시합니다.
• group-wise attention loss는 네트워크가 각자 자기 group의 feature에 집중할 수 있게 해 준다.
• RUGD(mIoU, 2.25-39.05%) 및 RELLIS-3D(mIoU, 5.17-19.06%) 데이터셋에 대한 광범위한 평가를 통해 learning 알고리즘이 navigation을 위해 offroad 지형에서 visual perception accuracy를 향상시킨다는 것을 보여줍니다.
• clearpath jackal & Husky 로봇으로 실제 navigation 시연 결과, navigation 알고리즘의 성능을 10% 향상하고(어떻게 평가했지?) 80% 이상의 최상의 surface selection 기능을 유지(80%이상 유지가 무슨 말이야?)하면서 더 부드러운 trajectory를 가져옵니다.

Introduction