面向车载传感器的混合点云语义压缩：性能评估
网络与互联网体系结构
2021-03-08 v1
摘要
在车辆无需人工干预的完全自动驾驶框架中，信息共享起着基础性作用。在此背景下，必须设计新型网络方案，以可靠高效的方式处理车载丰富传感器套件产生的大量数据。在所有可能传感器中，激光探测与测距（LiDAR）可生成周围环境精确的 3D 点云表征，进而产生高数据速率。因此，高效点云压缩对于缓解带宽受限信道上的数据传输负担并促进实时通信至关重要。本文提出一种在车载场景下高效压缩 LiDAR 观测的流水线。首先，我们利用 RangeNet++（一种用于语义推断点标签的深度神经网络（DNN））的能力，通过筛选最具价值的环境数据进行分发来降低信道负载。其次，我们使用 Draco（一种能达到量化误差级压缩的 3D 压缩算法）压缩所选点。我们在 Semantic KITTI 数据集上验证的实验表明，可以以 LiDAR 的帧率压缩并发送信息，从而实现实时性能。
引用
@article{arxiv.2103.03819,
title = {Hybrid Point Cloud Semantic Compression for Automotive Sensors: A Performance Evaluation},
author = {Andrea Varischio and Francesco Mandruzzato and Marcello Bullo and Marco Giordani and Paolo Testolina and Michele Zorzi},
journal= {arXiv preprint arXiv:2103.03819},
year = {2021}
}
备注
6 pages, 8 figures