Core Concepts
LiDAR 데이터를 가상 카메라 이미지로 변환하고 Segment Anything Model을 사용하여 의미론적 영역을 감지함으로써 기존 지도와 실시간 스캔 간의 변화를 효과적으로 감지할 수 있다.
Abstract
이 논문은 LiDAR 데이터를 가상 카메라 이미지로 변환하고 Segment Anything Model을 사용하여 변화 감지를 수행하는 방법을 제안한다.
먼저, LiDAR 데이터를 모노크롬 핀홀 카메라 모델을 사용하여 가상 카메라 이미지로 변환한다. 이때 범위와 강도 정보를 활용하여 이미지를 컬러로 표현한다.
다음으로, 사전 학습된 Segment Anything Model을 사용하여 기존 지도와 실시간 스캔 이미지에서 의미론적 영역을 감지한다. 두 이미지의 마스크를 비교하여 변화를 감지한다.
실험 결과, 제안 방법인 LaserSAM은 기존 방법들에 비해 향상된 성능을 보였다. 특히 계획된 주행 통로 내에서 80.4%의 IoU 성능을 달성했다. 또한 조명 변화에도 강인한 것으로 나타났다.
LaserSAM은 Clearpath Warthog UGV에 통합되어 실시간으로 변화를 감지하고 회피할 수 있었다. 다만 가려진 영역에 대한 한계와 실시간 성능 향상이 필요한 것으로 나타났다.
Stats
제안 방법 LaserSAM은 계획된 주행 통로 내에서 80.4%의 IoU 성능을 달성했다.
기존 3D 차이 기반 방법은 58.6%의 IoU 성능을 보였다.
LaserSAM의 평균 처리 시간은 356.2 ± 30.9 ms로 실시간 처리에는 부족하지만, 2-3 Hz의 업데이트 속도로 충분한 것으로 나타났다.
Quotes
"LiDAR 데이터를 가상 카메라 이미지로 변환하고 Segment Anything Model을 사용하여 의미론적 영역을 감지함으로써 기존 지도와 실시간 스캔 간의 변화를 효과적으로 감지할 수 있다."
"실험 결과, 제안 방법인 LaserSAM은 계획된 주행 통로 내에서 80.4%의 IoU 성능을 달성했다."