Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/41010
Arquivos neste item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
2024_TiagoDeSouzaFernandes_tcc.pdf | 6,42 MB | Adobe PDF | ver/abrir |
Título: | Impacto da compressão de nuvem de pontos em algoritmos de segmentação semântica |
Autor(es): | Fernandes, Tiago de Souza |
Orientador(es): | Queiroz, Ricardo Lopes de |
Assunto: | Compressão de dados Nuvem de pontos |
Data de apresentação: | 26-Ago-2024 |
Data de publicação: | 18-Dez-2024 |
Referência: | FERNANDES, Tiago de Souza. Impacto da compressão de nuvem de pontos em algoritmos de segmentação semântica. 2024. 25 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2024. |
Resumo: | Veículos autônomos utilizam sensores lidar para gerar nuvens de pontos 3D, que posteriormente são processados utilizando segmentação e detecção de objetos. Como esses sensores geram grande quantidade de dados, a compressão é fundamental. Dito isso, alguns grupos de padronização estão desenvolvendo técnicas avançadas de compressão de nuvens de pontos. Neste trabalho desenvolvemos uma nova métrica de distorção para avaliar o impacto da compressão de nuvens de pontos no desempenho da segmentação semântica, o que pode afetar a segurança da navegação e os requisitos de largura de banda. Testamos dois algoritmos de compressão da MPEG (GPCC e L3C2) e dois dos principais algoritmos de segmentação semântica (2DPASS e PVKD) no conjunto de dados SemanticKITTI. Os resultados mostram que, para manter alta qualidade de segmentação, é necessária uma taxa de transmissão de aproximadamente 1 MB/s para o GPCC e 2,8 MB/s para o L3C2. Esses resultados são importantes para o planejamento de recursos de infraestrutura para a navegação autônoma. |
Abstract: | Autonomous vehicles rely on lidar sensors to generate 3D point clouds for accurate seg mentation and object detection. As they generate a large amount of data, compression is essential. In effect, standardization groups are trying to develop advanced point cloud compression techniques. We developed a new (suitable) distortion metric to evaluate the impact of point cloud compression on semantic segmentation performance which can impact navigation safety and bandwidth requirements. Two of MPEG’s compression algo rithms (GPCC and L3C2) and two leading semantic segmentation algorithms (2DPASS and PVKD) were tested over the SemanticKITTI dataset. Results indicate that high segmentation quality requires communication throughput of approximately 1 MB/s for GPCC and 2.8 MB/s for L3C2. These results are important to plan infrastructure re sources for autonomous navigation |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2024. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Engenharia da Computação |
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.