A Fully Interpretable Statistical Approach for Roadside LiDAR Background Subtraction

Questo lavoro presenta un metodo statistico completamente interpretabile e flessibile per la sottrazione dello sfondo nei dati LiDAR stradali, che utilizza una griglia di distribuzioni gaussiane per modellare lo sfondo e classifica i punti come foreground o background, superando le tecniche esistenti in accuratezza e adattabilità anche con hardware a risorse limitate.

L'essenziale

Immagina di essere un guardiano della strada (il sensore LiDAR) che deve controllare il traffico. Il suo compito è vedere le auto, i pedoni e le biciclette che passano. Ma c'è un problema: il guardiano vede anche tutto ciò che è fermo e noioso: gli alberi, i pali della luce, l'asfalto, i muri degli edifici.

Se il guardiano cercasse di analizzare ogni singolo punto che vede (anche quelli fermi), si stancherebbe subito e non riuscirebbe a notare le auto che passano velocemente. Ha bisogno di un modo per dire: "Ehi, quell'albero è sempre lì, non è importante. Concentrati solo su ciò che si muove!".

Questo è esattamente il problema che risolve il paper: come togliere lo sfondo statico per vedere solo gli oggetti in movimento.

La Soluzione: La "Fotografia Fantasma" Statistica

Gli autori hanno creato un metodo intelligente e, soprattutto, completamente spiegabile (nessuna "scatola nera" misteriosa). Immagina che il loro approccio funzioni in due fasi magiche:

1. La Creazione della "Mappa degli Spettri" (Gaussian Distribution Grid)

Prima di iniziare a guardare il traffico, il sistema prende una serie di foto della strada quando è vuota (solo alberi, strada, muri).

• L'analogia: Immagina di prendere 100 foto di una stanza vuota e di sovrapporle tutte insieme. Dove c'è un muro, le foto si accumulano formando un "muro di luce" molto denso. Dove c'è un albero che si muove leggermente col vento, la luce diventa un po' sfocata.
• Cosa fa il sistema: Invece di salvare tutte le foto, crea una mappa statistica. Per ogni quadratino della strada, calcola: "Di solito, quante volte appare un punto qui? E a che altezza si trova?".
• Il risultato: Nasce una "Mappa degli Spettri" (GDG). È come se il sistema avesse memorizzato la "forma media" della strada vuota. Sa che in quel punto c'è sempre un palo, e sa che l'altezza del palo varia di poco.

2. Il Filtro "Chi sei tu?" (Background Subtraction)

Ora che la mappa è pronta, arriva il traffico. Il sistema guarda ogni singolo punto che il sensore vede nel mondo reale e lo confronta con la sua "Mappa degli Spettri".

• Il test: "Ehi, tu sei un punto che corrisponde alla mia mappa della strada vuota?"
  • Sì? Allora sei un albero o un muro. Via! (Sei sfondo, non mi interessi).
  • No? Allora sei un'auto o un pedone che non c'era prima. Resta! (Sei in primo piano, sei importante).
• Il tocco in più: A volte il vento muove un ramo o c'è un po' di rumore. Il sistema usa un filtro extra (come un setaccio) per assicurarsi che i punti che rimangono formino gruppi coerenti (come un'auto intera) e non siano solo puntini sparsi a caso.

Perché questo metodo è speciale?

1. È come un sarto su misura, non un taglia-e-incolla:
   Molti metodi precedenti funzionavano bene solo con certi tipi di sensori (quelli che ruotano come una girandola). Questo nuovo metodo è flessibile. Funziona sia con i sensori che ruotano, sia con quelli moderni e compatti (chiamati MEMS), sia se ne usi uno solo o quattro insieme. È come avere un abito che si adatta perfettamente a chiunque lo indossi.

2. Non serve una laurea in matematica per capirlo (Interpretabilità):
   Spesso l'Intelligenza Artificiale è una "scatola nera": ti dà un risultato ma non sai perché. Qui, il processo è trasparente. Se il sistema dice "questo è un'auto", puoi guardare la mappa e dire: "Ah, sì, perché in quel punto la densità dei punti non corrispondeva alla mia mappa della strada vuota". È tutto logico e visibile.

3. Funziona anche con pochi dati:
   Di solito, per insegnare a un computer a riconoscere lo sfondo, servono migliaia di ore di video. Qui, il sistema impara la strada vuota con pochissimi secondi di dati (anche solo 10 secondi di scansione). È come se imparasse a riconoscere la tua stanza guardandola per un istante, invece che per giorni.

4. Leggero come una piuma:
   Il sistema è stato testato su un computerino economico (un Jetson Nano), simile a quelli che potrebbero essere installati su ogni palo della luce in città. Funziona bene anche lì, senza bisogno di supercomputer costosi.

In sintesi

Immagina di avere un guardiano della strada super-intelligente che ha memorizzato perfettamente com'è la strada quando è deserta. Ogni volta che passa un'auto, il guardiano la riconosce immediatamente perché "non c'era nella sua memoria della strada vuota".

Questo metodo è:

• Chiaro: Sai esattamente come prende le decisioni.
• Versatile: Funziona con qualsiasi tipo di telecamera laser.
• Efficiente: Non ha bisogno di memorie enormi per imparare.
• Pronto per la città: Può essere installato ovunque per rendere le strade più sicure per le auto a guida autonoma.

È un passo avanti fondamentale per rendere le nostre città più intelligenti e sicure, senza complicazioni inutili.

Sommario tecnico

Sintesi Tecnica: Approccio Statistico Interpretabile per la Sottrazione dello Sfondo LiDAR Stradale

1. Il Problema

L'integrazione di sistemi di percezione nell'infrastruttura stradale è fondamentale per lo sviluppo della guida autonoma (AD). I sensori LiDAR installati lungo la strada offrono vantaggi significativi rispetto alle telecamere, fornendo una mappatura 3D precisa e una migliore percezione della profondità. Tuttavia, un passo critico nell'elaborazione dei dati LiDAR è la sottrazione dello sfondo (background subtraction).

• Sfida: I punti LiDAR relativi a oggetti statici (edifici, alberi, suolo) costituiscono la maggior parte dei dati, creando interferenze per il rilevamento e la classificazione di oggetti dinamici (veicoli, pedoni).
• Limiti delle soluzioni attuali: Molti metodi esistenti si basano su rappresentazioni spaziali rigide (es. griglie azimutali) incompatibili con nuovi tipi di sensori (come MEMS o Risley Prism) o su modelli temporali complessi che richiedono grandi quantità di dati di sfondo "puliti". Inoltre, molte soluzioni basate sul Deep Learning mancano di interpretabilità, rendendo difficile comprendere le decisioni del modello, un requisito cruciale per la sicurezza e la regolamentazione.

2. Metodologia Proposta

Gli autori propongono un metodo statistico, flessibile e completamente interpretabile che non richiede training di reti neurali, ma si basa su una modellazione statistica dello sfondo. Il processo è diviso in due fasi principali:

Fase 1: Generazione della Griglia di Distribuzione Gaussiana (GDG)

• Input: Una serie di scansioni LiDAR contenenti solo elementi di sfondo (senza oggetti dinamici).
• Processo:
  1. Si crea una nuvola di punti accumulata combinando più scansioni per catturare una rappresentazione completa dello sfondo, inclusi elementi dinamici minori (es. rami che si muovono).
  2. Viene generata una versione a bassa risoluzione tramite voxelizzazione.
  3. Lo spazio è suddiviso in una griglia 2D (basata sulle coordinate x, y).
  4. Per ogni cella della griglia, il metodo calcola:
     • Il numero di punti (densità).
     • La distribuzione statistica dell'altezza (asse z) dei punti, modellata come una distribuzione gaussiana (media $\mu$ e deviazione standard $\sigma$).
• Output: Una GDG che funge da modello statistico dello sfondo atteso per ogni regione dello spazio.

Fase 2: Sottrazione dello Sfondo e Classificazione

• Input: Una nuova scansione LiDAR in tempo reale.
• Algoritmo:
  1. Voxelizzazione e Conteggio: La scansione in ingresso viene voxelizzata e il numero di punti per cella viene confrontato con il modello GDG.
  2. Classificazione:
     • Se una cella non ha punti nel modello di sfondo, tutti i punti sono considerati foreground.
     • Se la differenza nel numero di punti è inferiore a una soglia ($th\_points$), i punti sono considerati sfondo.
     • Se la differenza è significativa, l'altezza ($z$) di ogni punto viene confrontata con la distribuzione gaussiana della cella. Se la densità di probabilità è inferiore a una soglia percentuale della densità massima ($th\_density$), il punto è classificato come foreground.
  3. Filtro ROR (Radius Outlier Removal): Viene applicato un filtro per rimuovere i punti isolati (rumore) che non hanno un numero sufficiente di vicini entro un raggio definito, garantendo che rimangano solo cluster spaziali coerenti (oggetti reali).

3. Contributi Chiave

• Interpretabilità Totale: Il metodo è intrinsecamente trasparente; le decisioni sono basate su parametri statistici chiari (media, deviazione standard, soglie) senza "scatole nere" neurali.
• Agnosticismo del Sensore: A differenza di metodi basati su pattern di scansione specifici (es. rotazione), l'approccio funziona con qualsiasi tipo di LiDAR, inclusi i tradizionali rotanti a 360° e i nuovi sensori MEMS o a prisma Risley.
• Efficienza con Pochi Dati: Il sistema richiede un numero minimo di scansioni di sfondo (anche 10-25 scansioni, ovvero 1-2.5 secondi di dati) per generare un modello robusto, superando la necessità di grandi dataset di training.
• Flessibilità: Supporta configurazioni a sensore singolo e multi-sensore, adattandosi a scenari complessi come incroci o corridoi.

4. Risultati Sperimentali

Il metodo è stato valutato sul dataset pubblico RCooper, che include scenari di "corridoio" e "incrocio" con diversi tipi di sensori (LiDAR rotanti e MEMS).

• Performance di Rilevamento:
  • Il metodo ha superato le tecniche state-of-the-art (confrontato con un approccio basato su griglie azimutali [10]) in quasi tutte le metriche: Precisione, Recall, F1-Score e IoU.
  • Scenario Incrocio: Con soli 10 scansioni di sfondo, il metodo ha raggiunto un IoU di 0.6972 (LiDAR 360°) e 0.8154 (LiDAR MEMS), superando significativamente i metodi di riferimento che necessitavano di 400 scansioni per ottenere risultati inferiori.
  • Scenario Corridoio: Sebbene più complesso a causa di punti di vista limitati, il metodo ha ottenuto un IoU di 0.3812, dimostrando robustezza.
• Impatto del Tipo di Sensore: I sensori MEMS hanno mostrato prestazioni superiori rispetto ai LiDAR rotanti tradizionali, grazie alla maggiore densità di punti e dettagli, anche in configurazioni combinate.
• Valutazione a Livello di Oggetto: Le metriche di True Positive Rate (TPR) e Completezza hanno confermato che gli oggetti rilevati sono completi e coerenti, con TPR superiori a 0.75 nella maggior parte dei casi.
• Performance Temporale:
  • Testato su hardware a risorse limitate (Jetson Nano 2GB), il metodo ha mostrato tempi di esecuzione accettabili (circa 298 ms per LiDAR MEMS e 575 ms per LiDAR 360° in configurazione singola).
  • La complessità computazionale è dominata dal filtraggio dello sfondo e dal ROR, ma l'implementazione in C++ garantisce efficienza.

5. Significato e Conclusioni

Questo lavoro rappresenta un passo avanti significativo verso la percezione infrastrutturale affidabile e scalabile per la guida autonoma.

• Affidabilità: L'approccio statistico elimina la necessità di dataset di training massicci e annotati, rendendo il sistema più facile da implementare in nuove località.
• Sicurezza e Regolamentazione: L'interpretabilità del modello risponde alla crescente richiesta di trasparenza negli algoritmi di sicurezza critica, permettendo agli ingegneri e ai regolatori di comprendere esattamente come vengono prese le decisioni di filtraggio.
• Scalabilità: La capacità di funzionare su hardware embedded economico e di adattarsi a diverse tecnologie LiDAR rende questa soluzione ideale per il dispiegamento su larga scala nelle città intelligenti.

In sintesi, gli autori hanno dimostrato che un approccio statistico ben progettato, privo di complessità di deep learning, può offrire prestazioni superiori, maggiore flessibilità e totale trasparenza rispetto alle soluzioni attuali per la sottrazione dello sfondo LiDAR.