要約
障害物を検出することは、安全で効率的な自動運転にとって重要です。
この目的のために、自動車用レーダー センサーを使用して動的な障害物と運転可能な空きスペースを検出するディープ ニューラル ネットワーク (DNN) である NVRadarNet を紹介します。
このネットワークは、複数の RADAR センサーから一時的に蓄積されたデータを利用して、動的な障害物を検出し、トップダウンの鳥瞰図 (BEV) でそれらの方向を計算します。
ネットワークはまた、分類されていない障害物を検出するために、運転可能な空き領域を回帰させます。
当社の DNN は、RADAR データのみからリアルタイムで障害物と自由空間の検出を実行するために、まばらな RADAR 信号を利用するこの種のものとしては初めてです。
このネットワークは、実際の自動運転シナリオで自律走行車の認識に使用されています。
ネットワークは、組み込み GPU でリアルタイムよりも高速に実行され、地理的領域全体で適切な一般化を示します。
要約(オリジナル)
Detecting obstacles is crucial for safe and efficient autonomous driving. To this end, we present NVRadarNet, a deep neural network (DNN) that detects dynamic obstacles and drivable free space using automotive RADAR sensors. The network utilizes temporally accumulated data from multiple RADAR sensors to detect dynamic obstacles and compute their orientation in a top-down bird’s-eye view (BEV). The network also regresses drivable free space to detect unclassified obstacles. Our DNN is the first of its kind to utilize sparse RADAR signals in order to perform obstacle and free space detection in real time from RADAR data only. The network has been successfully used for perception on our autonomous vehicles in real self-driving scenarios. The network runs faster than real time on an embedded GPU and shows good generalization across geographic regions.
arxiv情報
| 著者 | Alexander Popov,Patrik Gebhardt,Ke Chen,Ryan Oldja,Heeseok Lee,Shane Murray,Ruchi Bhargava,Nikolai Smolyanskiy |
| 発行日 | 2023-03-01 05:45:02+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google