Interaction multi-échelle pour la segmentation en temps réel des données LiDAR sur une plateforme embarquée

La segmentation sémantique en temps réel des données LiDAR est cruciale pour les véhicules autonomes, qui sont généralement équipés d'une plateforme embarquée et disposent de ressources de calcul limitées. Les approches fonctionnant directement sur le nuage de points utilisent des opérations d'agrégation spatiale complexes, qui sont très coûteuses et difficiles à optimiser pour les plateformes embarquées. Elles ne sont donc pas adaptées aux applications en temps réel avec des systèmes embarqués. En alternative, les méthodes basées sur la projection sont plus efficaces et peuvent être exécutées sur des plateformes embarquées. Cependant, les méthodes actuelles basées sur la projection n'atteignent pas la même précision que les méthodes basées sur les points et utilisent des millions de paramètres. Dans cet article, nous proposons donc une méthode basée sur la projection, appelée Réseau d'Interaction Multi-échelle (Multi-scale Interaction Network [MINet]), qui est très efficace et précise. Le réseau utilise plusieurs chemins avec différentes échelles et équilibre les ressources de calcul entre ces échelles. Des interactions denses supplémentaires entre les échelles évitent les calculs redondants et rendent le réseau hautement efficace. Le réseau proposé surpasses les méthodes basées sur les points, les images et la projection en termes de précision, de nombre de paramètres et de temps d'exécution. De plus, le réseau traite plus de 24 balayages par seconde sur une plateforme embarquée, ce qui est supérieur aux taux d'images des capteurs LiDAR. Le réseau est donc adapté aux véhicules autonomes.