Come adattare la limitazione delle prestazioni nel clustering delle nuvole di punti LIDAR per l'oggetto di rilevamento

L'adattamento delle prestazioni nel clustering delle nuvole di punti LIDAR è un compito fondamentale che richiede una comprensione approfondita delle caratteristiche dei dati provenienti dai lidar meccanici 3D tipici. Questi lidar, a causa della loro struttura fisica, generano nuvole di punti con una risoluzione orizzontale elevata e una risoluzione verticale relativamente bassa, con una densità di punti che diminuisce con l'aumentare della distanza. Un esempio rappresentativo di questa tipologia di nuvole di punti è quello mostrato nella figura 3.8, che illustra come un lidar a 16 strati scansiona una figura umana a diverse distanze. Il lidar in questione ha una risoluzione orizzontale di 0,1° e una risoluzione verticale di 2°. Con l'aumento della distanza, lo spazio verticale tra i punti diventa significativamente più pronunciato rispetto alla distanza orizzontale.

L'idea di base consiste nell'adattare linearmente la soglia di clustering $d^*$ in relazione alla distanza di scansione $r$, utilizzando la seguente formula:

Dove $r$ è la distanza di scansione e $\theta$ rappresenta la risoluzione verticale del lidar. Questo approccio permette di gestire la variazione della densità dei punti con la distanza, migliorando l'accuratezza e l'efficacia del clustering. Tuttavia, un problema significativo sorge nel determinare quali punti della nuvola di punti $P^*$ debbano essere raggruppati utilizzando lo stesso valore di $d^*$. Per affrontare questa questione, si propone un metodo di segmentazione delle nuvole di punti basato su anelli concentrici centrati sul sensore, ispirato dalla morfologia dei dati del terreno generati dai lidar 3D, simile alle increspature dell'acqua.

Il metodo di segmentazione proposta prevede l'uso di valori di $d^*$ a intervalli fissi, $\Delta d$, con $d^*_{i+1} = d^*_{i} + \Delta d$. Per ciascuno di questi valori, viene calcolato il raggio massimo di rilevamento del cluster $r_i$ utilizzando l'inverso della formula sopra e il corrispondente raggio $R_i = r_i$, dove $R_0$ rappresenta il centro del sensore. La larghezza di una regione con soglia costante $d^*_{i}$ è data dalla differenza $l_i = R_i - R_{i-1}$, e i punti all'interno di ciascun anello vengono quindi raggruppati usando lo stesso valore di $d^*$. Questo approccio permette di affrontare la disomogeneità nella distribuzione spaziale dei punti della nuvola di punti con maggiore efficacia.

L'adozione di un filtro volumetrico per ottimizzare l'algoritmo in base a compiti specifici, come il rilevamento e il tracciamento delle persone, si è rivelata utile. Ad esempio, per ottimizzare il rilevamento delle persone, un filtro che rimuove i cluster troppo grandi o troppo piccoli si è dimostrato particolarmente efficace. Questo filtro esamina la larghezza, la profondità e l'altezza di ogni cluster, garantendo che vengano considerati solo quelli di dimensioni appropriate:

Questa operazione riduce significativamente il numero di false segnalazioni, migliorando la precisione del sistema. L'implementazione del clustering adattivo si basa su un albero $k$-d, che consente una ricerca rapida e una complessità temporale di $O(\log n)$, rendendo l'intero processo più veloce ed efficiente.

Per valutare l'efficacia di vari metodi di clustering, è possibile utilizzare il LiDAR Point Cloud Clustering Benchmark Suite, che fornisce una valutazione delle prestazioni di cinque metodi open-source su tre set di dati standardizzati. Tra questi, oltre al metodo di clustering adattivo, vengono confrontati anche metodi come il clustering basato su profondità, il clustering euclideo e l'Autoware clustering. Ogni metodo viene testato su set di dati raccolti all'aperto con lidar diversi, tra cui Velodyne VLP-16, HDL-32E e HDL-64E, che rappresentano diversi scenari di rilevamento come parcheggi, rotonde urbane e strade trafficate.

Durante l'analisi, è cruciale garantire che le annotazioni dei dati siano di alta qualità. Per questo motivo, sono stati adottati metodi rigorosi di annotazione manuale, con la revisione delle etichette esistenti nei dataset L-CAS, EU Long-term e KITTI, per migliorare la precisione della rilevazione degli oggetti e la qualità del benchmarking.

L'utilizzo di filtri, combinato con metodi avanzati di clustering adattivo, ha permesso di ottenere risultati più accurati e di ridurre gli errori di rilevamento nelle nuvole di punti. Inoltre, la segmentazione a livello di regione e la determinazione delle soglie di clustering in funzione della distanza rappresentano approcci fondamentali per migliorare l'affidabilità e la precisione dei sistemi di percezione robotica in ambienti complessi e variabili.

Come migliorare la rilevazione e la classificazione degli oggetti nei punti 3D: un'analisi delle metodologie di clustering e delle tecniche di rimozione del suolo

Nel contesto della percezione robotica, la corretta rilevazione e classificazione degli oggetti all'interno di nuvole di punti 3D è fondamentale per garantire il successo nelle operazioni di navigazione e interazione con l'ambiente. L'accuratezza nel raggruppamento delle informazioni è uno degli aspetti più critici per la qualità dei modelli, in particolare quando vengono utilizzate nuvole di punti ottenute da sensori LIDAR o altre tecnologie simili. Un approccio comunemente impiegato per l’analisi dei punti 3D è il metodo del clustering, che organizza i punti in cluster significativi per identificare oggetti o regioni di interesse.

Il numero risultante dei cluster è poi arrotondato all'intero più vicino. Per misurare l’accuratezza del clustering, viene utilizzato l'Indice di Sovrapposizione 3D (3D IoU), che confronta i cluster generati con le verità di terreno (ground truth). I risultati delle sperimentazioni condotte con diversi metodi di clustering sono presentati in una tabella comparativa che mostra come il metodo di clustering adattivo raggiunga le migliori performance sul dataset L-CAS, grazie al calcolo diretto della distanza euclidea tra i punti nello spazio 3D. Tuttavia, il metodo di clustering basato sulla profondità mostra un abbassamento delle prestazioni quando gli oggetti si trovano troppo vicini tra loro o quando gli oggetti di sfondo sono significativamente più grandi di quelli in primo piano.

Un altro approccio per migliorare le prestazioni dei metodi di clustering è l'adozione di tecniche avanzate di rimozione del suolo. Sebbene la rimozione del suolo basata su soglie venga frequentemente utilizzata in applicazioni robotiche per rispettare i vincoli di tempo reale, essa si basa sull’assunzione che il suolo sia piatto, una premessa che non sempre risulta valida, soprattutto in scenari complessi. Per questo motivo, è stato approfondito l'uso di tecniche di filtraggio del suolo basate su raggi (ray ground filter), che generalmente migliorano le prestazioni sui dataset EU Long-term e KITTI, ma causano un abbassamento delle performance sul dataset L-CAS, poiché il filtro rimuove erroneamente porzioni delle gambe dei pedoni, riducendo le dimensioni dei box di rilevamento rispetto alla verità di terreno.

Anche il tempo di esecuzione di ogni metodo di clustering è stato oggetto di analisi. Gli esperimenti sono stati eseguiti su una piattaforma basata su Ubuntu 18.04 LTS, utilizzando un processore Intel i7-7700HQ, con 16 GB di memoria e senza l'uso di GPU. I risultati hanno mostrato che il tempo di elaborazione di tutti i metodi è proporzionale al numero di punti presenti nella nuvola di punti, con i dati LiDAR a 16 strati che richiedono il minor tempo di elaborazione, mentre quelli a 64 strati risultano i più lenti. Il clustering basato sulla profondità ha mostrato un vantaggio significativo in termini di prestazioni grazie alla riduzione dimensionale della nuvola di punti e alla sua implementazione ottimizzata.

Nel contesto della classificazione degli oggetti, vengono utilizzati diversi metodi tradizionali di machine learning, come Support Vector Machine (SVM), Random Forest (RF) e reti neurali profonde (DNN). La classificazione dei pedoni nelle nuvole di punti 3D è un problema non lineare, poiché le nuvole di punti 3D sono intrinsecamente complesse, con confini decisionali che non possono essere facilmente rappresentati come iperpiani. L’uso di SVM si è rivelato utile in contesti con dati limitati, mentre le Random Forest offrono maggiore velocità di addestramento e adattabilità in scenari di lungo periodo, come nel caso dell'apprendimento robotico online (ROL). Le reti neurali profonde, sebbene promettenti, sono ancora limitate dai requisiti computazionali e dalle difficoltà nell’aggiornamento del modello in tempo reale.

Per migliorare ulteriormente la classificazione, sono utilizzate caratteristiche progettate a mano, che descrivono proprietà chiave dei cluster. Tra queste, la distanza di slice (f10), proposta da Yan et al., si è dimostrata efficace nell’aumentare la precisione nella rilevazione dei pedoni, particolarmente utile quando si devono classificare nuvole di punti sparse a distanze elevate dal sensore. Il metodo sfrutta la geometria del corpo umano, dividendo i punti in 10 slice (fette) e calcolando la distanza euclidea di ciascun centroide di slice rispetto all’origine.

Un’altra caratteristica importante di questi metodi è la necessità di ottimizzare il bilanciamento tra completezza e efficienza computazionale, specialmente in scenari di apprendimento rapido e implementazione immediata, come avviene nei sistemi di apprendimento robotico online. La necessità di aggiornamenti rapidi del modello, insieme a un set di caratteristiche computazionalmente efficienti, rende fondamentale l’uso di tecniche robuste e scalabili che possano adattarsi a diverse condizioni ambientali e a diverse configurazioni di dati.

Come migliorare l'interazione sociale dei robot attraverso l'apprendimento online

Nel contesto dell'apprendimento online per i robot, uno degli aspetti fondamentali riguarda la capacità di un robot di adattarsi autonomamente all'ambiente circostante, compreso l'interazione con gli esseri umani. Quando il buffer di dati viene riempito (linea 1), gli stati relativi al robot e agli esseri umani vengono processati separatamente (linee 2-3). Una volta che il numero di "tracklet" del robot raggiunge una soglia predefinita (linea 4), si procede alla valutazione dell'efficacia del modulo sociale. Un passaggio cruciale in questo processo è rappresentato dalla determinazione delle etichette (sociale o non-sociale) per gli stati all'interno di un sottoinsieme dei più recenti tracklet umani. Le metodologie tradizionali, infatti, tendono a fare un'assunzione semplificata, ossia che ogni comportamento umano sia intrinsecamente sociale. Tuttavia, qui si propone un approccio di etichettatura più sfumato, che sfrutta un indice come il "rapporto di distanza extra" (Rdist), definito come la distanza euclidea tra il punto iniziale e finale di un tracklet, divisa per la lunghezza effettiva del percorso del tracklet.

Questo indice, che misura l'efficienza sociale del movimento, viene utilizzato per determinare se un tracklet debba essere etichettato come sociale. Se il valore di Rdist supera una soglia predeterminata, tutti gli stati all'interno di quel tracklet vengono etichettati come sociali; in caso contrario, vengono considerati non sociali. Questo metodo fornisce al robot informazioni sul contesto sociale esterno, che vengono successivamente elaborate dal modulo sociale del robot, per determinare il proprio contesto sociale interno. Se la precisione della classificazione binaria tra il contesto sociale osservato esternamente (derivato dai tracklet umani) e il contesto percepito internamente dal robot (proveniente dal modulo sociale del robot) scende al di sotto di una soglia definita (indicando una discrepanza significativa), il modello sociale del robot viene aggiornato.

È importante notare che il metodo di etichettatura basato su Rdist viene applicato sia ai set di tracklet umani che robotici. I nuovi set di dati per l'addestramento vengono quindi costruiti, combinando i tracklet umani etichettati come sociali con i tracklet robotici non sociali. In questo modo, si previene il fenomeno di sovra-adattamento ai dati osservati in precedenza, poiché i set di tracklet del robot e degli esseri umani vengono azzerati dopo ogni aggiornamento. La corretta regolazione dei parametri, come la dimensione del tracklet e le soglie di aggiornamento e precisione, è essenziale per ottenere prestazioni ottimali.

Nel contesto dell'apprendimento online dei robot, uno degli obiettivi principali è migliorare la loro capacità di navigare in modo socialmente conforme. Questo comporta l'apprendimento delle dinamiche sociali osservabili nei movimenti degli esseri umani, in modo che il robot possa adattare il proprio comportamento di conseguenza. La sfida principale è che questo processo deve avvenire senza l'intervento diretto di un operatore umano, utilizzando esclusivamente i dati raccolti dai sensori e dalle interazioni con l'ambiente circostante. Tuttavia, per garantire che l'apprendimento online avvenga correttamente, è fondamentale prevenire fenomeni come il dimenticamento catastrofico, in cui il robot perde progressivamente le informazioni precedentemente apprese.

A tal fine, sono state sviluppate architetture avanzate di apprendimento, come il Long Short-Term Online Learning (LSTOL), che permettono ai robot di adattarsi continuamente alle nuove informazioni senza perdere ciò che è stato appreso in passato. La capacità di un robot di aggiornare autonomamente il proprio modello sociale durante l'apprendimento, senza intervento umano, rappresenta un passo fondamentale verso l'autonomia completa del robot.

L'apprendimento online presenta, tuttavia, delle sfide significative. Una delle questioni più urgenti riguarda lo sviluppo di un meccanismo robusto che consenta ai robot di determinare autonomamente quando il processo di apprendimento ha raggiunto una convergenza, mantenendo al contempo la stabilità del modello. La mancanza di intervento umano rende difficile per il robot valutare in tempo reale le prestazioni del modello, determinare se l'apprendimento è completo e decidere quando è necessario un aggiornamento per mantenere le prestazioni stabili. Questo problema non ha ancora una soluzione definitiva e la comunità scientifica si sta concentrando principalmente su analisi teoriche, come quelle basate sulla teoria di Lyapunov, e sulla valutazione offline dei modelli di apprendimento.

Un altro aspetto fondamentale riguarda l'integrazione tra diversi sensori, che consente ai robot di ottenere una comprensione più accurata dell'ambiente sociale e fisico in cui si trovano. L'uso di sensori LIDAR e tecniche di fusione dei dati provenienti da diverse fonti è cruciale per migliorare la precisione del rilevamento dei movimenti umani e, di conseguenza, per l'adattamento del comportamento del robot. L'apprendimento sociale del robot non si limita semplicemente al riconoscimento di comportamenti umani, ma include anche la capacità di prevedere e adattarsi alle intenzioni sociali, come il mantenimento di una distanza appropriata durante la navigazione in ambienti affollati.

La sfida di sviluppare robot capaci di apprendere autonomamente e di interagire in modo socialmente adeguato con gli esseri umani rappresenta una delle frontiere più avanzate della robotica moderna. Solo attraverso il miglioramento continuo degli algoritmi di apprendimento online, della capacità di rilevamento e della gestione del contesto sociale, sarà possibile sviluppare robot veramente autonomi, in grado di operare in ambienti complessi e dinamici.