ALFA-Gs: ground segmentation method for LiDAR point clouds

Abstract

The increasing focus on road safety combined with the advancements in electronic technologies are leading to heavy investment in research and development of autonomous mobility systems by the automotive industry. These vehicles rely on sophisticated perception systems, which use a variety of sensors to gather data about their surroundings, being Light Detection And Ranging (LiDAR) sensors a crucial component in achieving redundant and trustful Autonomous Vehicles (AV)s, due to their precision. However, LiDAR sensors are known for generating high volumes of data per second that need to be processed repeatedly to ensure the expected behaviour and safety requirements of autonomous systems. So, in order to reduce the object detection and classification algorithms’ time consumption and increase accuracy, a ground segmentation preprocessing step is required for distinguishing the ground from the non-ground sensor readings. This initial selection allows the perception systems to focus their resources on relevant objects and obstacles in the scene, over non-critical areas, enhancing the accuracy and reducing the processing time of the overall perception pipeline. This dissertation proposes ALFA-Gs, a generic LiDAR ground segmentation solution providing both full software as well as hardware hybrid approaches of a state-of-the-art ground segmentation algorithm. ALFA-Gs takes advantage of custom-built hardware accelerators designed to accelerate the ground segmentation step and guarantee real-time performance, even on embedded platform systems. This solution also provides integration with the Robot Operating System (ROS), allowing for the configuration of segmentation parameters through the ROS interface as well as communication with high-level applications and interoperability with other processing nodes. The devised system underwent rigorous testing and validation by resorting to a comprehensive set of metrics responsible for ensuring the quality and real-time requirements of the ground segmentation solution. From the results of the evaluation is possible to conclude that the ALFA-Gs system surpasses its initial real-time performance target by reducing the algorithm’s time consumption to nearly one-fourth of the envisioned while maintaining a commendable level of accuracy, with no substantial adverse effects on the accuracy.

A crescente preocupação com a segurança rodoviária aliada aos avanços na electrónica, tem con duzido a um forte investimento na investigação e desenvolvimento de sistemas de mobilidade autónoma. Estes veículos dependem de sistemas de perceção sofisticados, que utilizam uma panóplia de sensores responsáveis por recolher dados relativos ao ambiente circundante, sendo os sensores Light Detection And Ranging (LiDAR) um componente crucial no desenvolvimento de veículos autónomos (AV) redundantes e fiáveis, devido à sua precisão. No entanto, estes são conhecidos por gerarem grandes volumes de dados por segundo, requerendo um processamento constante dos mesmos de modo a cumprir com os requi sitos de segurança dos sistemas autónomos. Deste modo, para reduzir o tempo despendido na deteção e classificação de objetos, é adicionada uma etapa de pré-processamento de segmentação do solo, per mitindo a distinção entre as captações de dados relacionados com o solo das restantes. Esta seleção inicial permite que os sistemas de perceção aloquem os seus recursos ao processamento de informação relevante para o contexto, com obstáculos, em detrimento de áreas não críticas, aumentando a precisão e reduzindo o tempo de processamento global. Esta dissertação propõe a framework ALFA-Gs, uma solução genérica de segmentação de solo LiDAR que fornece tanto abordagens puramente baseadas em software como também abordagens híbridas. No caso das abordagens hibridas, esta framework tira partido de aceleradores em hardware desenhados para garantir o processamento dos dados em tempo real, mesmo em sistemas embebidos. Esta solução contem ainda integração com o Robot Operating System (ROS), permitindo a configuração de parâmetros através da interface ROS, bem como a comunicação com apli cações de alto nível e interoperabilidade com outros nós de processamento. O sistema foi submetido a rigorosos testes, recorrendo a um conjunto abrangente de métricas responsáveis por garantir a qualidade da segmentação e o processamento em tempo real. Através desta avaliação é possível concluir que o sistema ALFA-Gs ultrapassa o seu objetivo inicial, reduzindo o tempo de processamento para cerca de um quarto do previsto, sem apresentar uma redução significativa da precisão do sistema.