• automatic labeling
• LiDAR multilivello
• machine learning
• moving objects segmentation

Il presente lavoro di tesi riguarda uno studio di fattibilità relativo all’implementazione di una o più reti neurali per un task di online Moving Objects Segmentation(MOS). Tali modelli dovranno essere in grado di riconoscere oggetti in movimento nell’ambiente, basandosi solamente sui dati provenienti da un sensore LiDAR multilivello montato sul veicolo. In aggiunta a tali reti, è stato sviluppato un algoritmo per la segmentazione offline di oggetti dinamici. Quest’ultimo è in grado di eseguire un’annotazione automatica di dati grezzi e ha permesso di ampliare il dataset a disposizione, al fine di migliorare l’allenamento delle reti neurali sopra citate. Infine, è stata eseguita un’operazione di ‘Transfer Learning’ sui tre modelli analizzati utilizzando sequenze di scansioni raccolte sul veicolo, le quali sono state annotate tramite l’algoritmo sopra citato.

The present thesis work concerns a feasibility study related to the implementation of one or more neural networks for an online Moving Objects Segmentation (MOS) task. Such models should be able to recognize moving objects in the environment, exploiting solely data obtained by a LiDAR sensor mounted on the vehicle. In addition, has been designed an algorithm capable of segmenting moving objects in an offline fashion. It aims to automatically create dynamic labels from the raw data, in order to improve the training operation of the neural networks by augmenting the training dataset. Finally, the models have been re-trained through a ‘Transfer Learning’ operation, taking advantage of the LiDAR data collected on board the vehicle and labeled thanks to the aforementioned algorithm.