#28
summarized by : Naoya Chiba
SuperLine3D: Self-Supervised Line Segmentation and Description for LiDAR Point Cloud

どんな論文か?

点群位置合わせのために深層学習を用いたエッジ検出を利用する手法SuperLine3Dの提案.合成データを用いた自己教師学習で学習し,点群ベースの既存手法と同等程度の位置合わせ性能を達成.特にスケール変化に強い工夫をしており,実際にスケールが変わった場合にロバストな位置・姿勢推定を達成.
placeholder

新規性

SuperPointによって提案された自己教師学習による点群位置合わせを拡張した手法.特に点群データの場合にはエッジが重要な特徴であることを利用する.エッジが既知なプリミティブ形状に対して学習してからラベルの付与されていない実シーンデータに対してラベルを付与することにより実シーンにも利用可能.

結果

提案するアプローチでラベルなしのKITTIで学習,スケール変化にロバストな工夫を導入したDGCNNを用いる.ハンドクラフトな手法よりは明確に優れ,学習ベースの既存手法とも同程度の位置合わせ性能を達成.学習時に未知のデータであるApollo Sourthbay datasetにもそのまま利用しうまく位置合わせができることを確認.

その他(なぜ通ったか?等)