Core Concepts
기존 지도와 실시간 LiDAR 스캔을 활용하여 무감독으로 환경 변화를 감지하는 딥러닝 기반 접근법을 제안합니다.
Abstract
이 논문은 자율 주행 로봇을 위한 완전 무감독 딥 변화 감지 접근법을 제안합니다. 구조화되지 않은 환경에서는 의미론적 클래스를 정의하기 어려우므로, 의미론적 분할을 이진 변화 감지로 재정의합니다. 기존 포인트 클라우드 지도와 실시간 LiDAR 스캔을 활용하여 변화를 감지하는 신경망 RangeNetCD를 개발했습니다. 새로운 손실 함수를 사용하여 기존 포인트 클라우드 의미론적 분할 신경망을 변화 감지에 활용할 수 있습니다.
실험 결과, RangeNetCD는 기존 접근법보다 3.8%에서 7.7% 더 높은 mIoU 성능을 보였습니다. 신경망은 67.1 Hz의 속도로 작동하며 로봇의 자율성 스택에 통합되어 계획된 경로와 교차하는 장애물을 안전하게 회피할 수 있습니다. 또한 자동화된 per-point 지상 진실 레이블링 방법을 제안합니다.
Stats
변화 감지 알고리즘의 성능은 환경 구조에 따라 3.8%에서 7.7% 향상되었습니다.
제안된 신경망은 67.1 Hz의 속도로 작동합니다.
Quotes
"기존 지도와 실시간 LiDAR 스캔을 활용하여 무감독으로 환경 변화를 감지하는 딥러닝 기반 접근법을 제안합니다."
"실험 결과, RangeNetCD는 기존 접근법보다 3.8%에서 7.7% 더 높은 mIoU 성능을 보였습니다."