多視点観測からのオブジェクトレベル点群抽出のためのMOT支援パイプライン
MOT-Assisted Object-Level Point Cloud Extraction from Multi-View Observations
本論文では、ロボット知覚に関連し、マッピングやSLAMに有用なオブジェクト中心の観測を提供するオブジェクトレベル点群抽出のための、効率的なMOT(マルチオブジェクトトラッキング)支援パイプラインを提案する。既存手法はフレームごとのインスタンスセグメンテーションに依存し、計算コストが高く、複数オブジェクトシナリオでの同時抽出能力に限界があった。提案手法はまず2D MOTを用いて視点間のオブジェクト対応付けを確立し、次に単眼深度推定と多視点幾何学的関連付けを組み合わせて大まかなオブジェクト位置を推定する。さらに、適応的球状提案と密度ベースの洗練戦略を導入し、背景ノイズや外れ値を抑制しながら、オブジェクト固有のクリーンな点群を抽出する。DTU、MVImgNet、ScanNet++データセットでの実験により、提案手法の有効性が示された。DTUデータセットシーケンス30では、Chamfer Distanceが90.97 mmから12.52 mmに減少し、Precisionが0.2998から0.8776に向上した。MVImgNetでは、Chamfer Distanceが1.23 mから0.46 mに減少し、Precisionが0.4777から0.9337に向上した。提案手法は、オブジェクトレベルの関連付けコストを削減し、テストされた設定下で競争力のあるオブジェクトレベル抽出品質を提供する。セグメンテーションベースの抽出と比較して、提案手法はオブジェクト抽出ランタイムが低く、組み込みのクロスビューTrack-ID関連付けを提供するが、境界精度は若干低下する。
- DTUデータセットシーケンス30でChamfer Distanceが90.97mmから12.52mmへ減少、Precisionが0.2998から0.8776へ向上するなど、オブジェクトレベル点群抽出精度の大幅改善が確認された
- 2D MOTと単眼深度推定を組み合わせたパイプラインにより、セグメンテーションベースの既存手法と比較してオブジェクト抽出ランタイムが低減され、クロスビューTrack-ID関連付けを内蔵
本稿はロボット知覚の基盤技術であるオブジェクトレベル点群抽出の性能向上に関する学術研究であり、SLAM・マッピングなどロボットの空間認識能力に直結する技術進展を示している。提案手法は既存のフレーム単位セグメンテーション依存方式と比較し、計算コスト削減と抽出精度の大幅改善(DTUでChamfer Distance 90.97mm→12.52mm)を実現しており、実ロボット製品への応用可能性が高い。ただし、具体的な企業発表や製品化、資金調達などの投資判断を左右する直接的事象は含まれておらず、研究段階の技術成果である点に留意が必要。