Évaluation et analyse de la classification de nuages de points sous des perturbations

La perception 3D, en particulier la classification des nuages de points, a connu des progrès considérables. Toutefois, dans les déploiements réels, les dégradations des nuages de points sont inévitables en raison de la complexité des scènes, de l’imprécision des capteurs et des erreurs de traitement. Dans ce travail, nous visons à établir de manière rigoureuse un benchmark et à analyser la classification des nuages de points en présence de dégradations. Afin de mener une investigation systématique, nous proposons tout d’abord une taxinomie des dégradations 3D courantes et identifions les dégradations atomiques. Ensuite, nous réalisons une évaluation complète sur une large gamme de modèles représentatifs de classification des nuages de points afin d’évaluer leur robustesse et leur généralisation. Nos résultats de benchmark montrent qu’alors que les performances de classification des nuages de points s’améliorent progressivement avec le temps, les méthodes de pointe sont en passe de devenir moins robustes. À partir des observations recueillies, nous proposons plusieurs techniques efficaces pour améliorer la robustesse des classificateurs de nuages de points. Nous espérons que notre benchmark exhaustif, notre analyse approfondie et les techniques proposées stimuleront de futures recherches dans le domaine de la perception 3D robuste.