객체 분할을 위한 가변적 반경 기반의 3D LiDAR 포인트 클라우드 그룹핑 (Grouping of 3D LiDAR Point Cloud with Varying Radius for Object Segmentation)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 4호 / 37 ~ 48페이지
· 저자명 : 허세빈, 이예랑, 김가은, 김정연, 오범석

초록

LiDAR 센서로 취득된 포인트 클라우드는 다양한 분야에서 활용되고 있지만, 3차원 공간에서의 희소성과 높은 차원으로 인해 활용에 어려움이 존재한다. 이러한 한계를 극복하기 위한 하나의 접근은 포인트 클라우드를 그룹핑하여 객체화하는 것이다. 다양한 군집화 방법 중 포인트 클라우드 데이터에 효과적인 밀도 기반 군집화 방법이 고려될 수 있는데, 밀도 계산을 위한 포인트 간 반경을 고정된 하이퍼파라미터로 설정해야 한다는 한계점이 존재한다. 이 문제를 해결하기 위해, 본 논문에서는 고정된 반경 대신 가변적인 반경을 기반으로 하는 LiDAR 포인트 그룹핑 방법을 제안한다. 이 방법에서는 먼저 먼저 원뿔 기반의 전처리를 통해 지면 클러터를 제거하고, 남은 포인트들을 대상으로 가변적 반경 그룹핑을 통하여 객체 후보 그룹으로 정의한다. KITTI 데이터를 사용한 실험에서 제안하는 방법은 3D LiDAR 포인트 클라우드에 효과적임이 확인되었다.

영어초록

Since a 3D point cloud acquired by LiDAR sensors is a discrete set of data points in space, its dimensionality and sparsity are commonly high which limit its applicability. An intuitive yet convincing resolution to overcome these challenges is to first group the data points and then segment objects out for subsequent processes. Among existing methods in the literature, density-based clustering has been among the popular choices due to its promising performance. However, the applicability of the density-based approach is limited due to its hyperparameter, a distance between data points. In this work, we propose an effective and hyperparameter-free method for grouping LiDAR points. Noise points such as ground clutters are first filtered out by the proposed cone-shaped filtering. The remaining points are then grouped as object candidates by the proposed distance variation analysis. From our experimental study, the proposed method is proven to better segment objects out than those of the compared methods.

참고자료

· 없음