要約
自動運転車両における認識は、通常、複数のセンシングモダリティを組み合わせて実施される。RGB画像データの大量な公開ラベル付きデータと、画像ベースの認識に向けた高品質なディープラーニングアルゴリズムの登場により、高レベルの意味的認識タスクは主に高解像度カメラを用いて解決されている。その結果、このタスクに有用な可能性のある他のセンサモダリティがしばしば無視されがちである。本論文では、LiDARのみを用いた意味的セグメンテーションの最先端技術を進展させ、車両に別の独立した意味的情報源を提供することを目的とする。本手法は、センサフレームレートでLiDAR点群の完全な意味的セグメンテーションを正確に実行できる。我々は、回転するLiDARセンサモデルを活用する畳み込みニューラルネットワーク（CNN）と組み合わせて、範囲画像（range image）を中間表現として用いる。正確な結果を得るため、この中間表現に起因する問題、例えば離散化誤差やCNN出力のぼやけを扱うための新しい後処理アルゴリズムを提案する。本手法は実装され、最先端手法との多数の比較を含む包括的な評価が行われた。実験の結果、本手法は最先端手法を上回る性能を発揮しつつ、単一の組み込みGPU上でオンライン処理を実現していることが示された。コードは以下のURLから公開されている：https://github.com/PRBonn/lidar-bonnetal