Fast segmentation of point clouds using a convolutional neural network for helping visually impaired people find the closest traversable region

Abstract

This document presents an approach to help visually impaired people find the closest-to-user traversable region in a point cloud. Our work aims to reduce the processing time of this task. The proposed approach uses a convolutional neural network to segment floor regions in the point cloud and criteria to determine which of these regions are traversable based on their size and position. We design the convolutional neural network to classify patches, allowing the floor to be searched at selected locations in the point cloud. We find that by searching only in the lower section of the point cloud, the processing time is reduced while the closest-to-user traversable region to the user is located. We evaluate our work using NYU-v2 dataset and determine that it has better balance between accuracy and processing time than similar works. Resumen Este documento presenta un enfoque para ayudar a las personas con discapacidad visual a encontrar la región transitable más cercana al usuario en una nube de puntos. Nuestro trabajo tiene como objetivo reducir el tiempo de procesamiento de esta tarea. El enfoque propuesto usa una red neuronal convolucional para segmentar regiones del piso en la nube de puntos y criterios para determinar cuáles de estas regiones son transitables. La red neuronal convolucional está diseñada para clasificar parches, lo que permite buscar el piso en ubicaciones específicas de la nube. Encontramos que buscando solamente en la parte baja de la nube de puntos, el tiempo de procesamiento se reduce a la vez que se encuentra la región transitable más cercana al usuario. Evaluamos nuestro trabajo utilizando el conjunto de datos NYU-v2 y determinamos que tiene mejor balance entre exactitud y tiempo de procesamiento que trabajos similares.