機械知覚&ロボティクスグループ
中部大学

Deep Learning 口頭発表

1D-CNNによる全方位LiDARデータのセマンティックセグメンテーション

Author
鈴木貴大,村瀬卓也,平川翼,山下隆義,藤吉弘亘
Publication
画像センシングシンポジウム(SSII),2020

Download: PDF (Japanese)

自動車の自動運転技術では,車両周辺の環境を把握することが必要不可欠である.そのため,自動運転に関する研究は非常に注目されており,運転支援システムとして,車両周辺に存在する物体検出や経路予測などが代表的な機能である.特に,物体検出手法は,車載カメラ映像のRGB画像を用いる手法,Light Detection and Ranging(LiDAR)で取得した3次元点群を用いる手法が広く用いられている.LiDARは赤外線レーザを照射し,物体に反射して光が返ってくるまでの時間を計測し,3次元情報や反射強度を取得する技術である.LiDARの3次元情報を用いる手法は,画像ベースでは困難な夜間における物体検出やセマンティックセグメンテーションも可能である.LiDARの中でも,全方位LiDARは回転しながらレーザを周囲に照射し,LiDARを原点とした360度全方位分の3次元情報を取得することができるため,全方位LiDARを用いた手法は多数提案されている.一方で,全方位LiDARを用いる場合,撮影に時間がかかり撮影から処理完了までに物体の位置が大きくずれることがある.この問題に対して,1Dimentional-Convolutional Neural Network(1D-CNN)を用いる手法が提案されている.この手法では,全方位LiDARから取得した距離値を1次元波形データとみなし,1D-CNNに入力することで歩行者検出を行う.これにより,LiDARでのデータ取得中に逐次処理が可能となり,位置ずれを最小限に抑えることを可能としている.しかし,この手法は検出対象が歩行者のみであり,自動運転を実現する手段としては不十分である.本研究では,複数のクラスに対応するために1D-CNNをセマンティックセグメンテーションタスクに応用する.これにより,従来手法の利点を残したまま,歩行者だけでなく多クラスの識別を可能とする.また,全方位LiDARによる撮影中に得られる反射強度も入力データとして用いる.反射強度は物体の材質により異なる性質があるため,これを入力として用いることで物体の質感を考慮した識別が可能となる.したがって,物体の反射強度を考慮することによる識別精度の向上を図る.

前の研究 次の研究