Dual-Weight Particle Filter for Radar-Based Dynamic Bayesian Grid Maps

要約

近年の絶え間ない改良により、レーダー センサーは、自動運転車の主要な距離センサーとして、ライダーに代わる実行可能なものになりました。
堅牢で、動径速度を直接測定できる可能性がありますが、独自の一連の課題があり、既存のアルゴリズムを適応させる必要があります。
知覚システムのコア アルゴリズムの 1 つは動的占有グリッド マッピングであり、これは伝統的に LIDAR に依存してきました。
このホワイト ペーパーでは、ベイジアン占有グリッド マッピング フレームワークの拡張機能としてデュアル ウェイト パーティクル フィルターを提示し、レーダーをメイン センサーとして使用できるようにします。
これは、異なる方法で計算された 2 つの個別のパーティクル ウェイトを使用して、多くの状況での動径速度測定ではオブジェクトの実際の速度を取得できないことを補います。
シミュレートされたデータを使用してこの方法を広範に評価し、既存の単一の重みソリューションに対する利点を示します。

要約(オリジナル)

Through constant improvements in recent years radar sensors have become a viable alternative to lidar as the main distancing sensor of an autonomous vehicle. Although robust and with the possibility to directly measure the radial velocity, it brings it’s own set of challenges, for which existing algorithms need to be adapted. One core algorithm of a perception system is dynamic occupancy grid mapping, which has traditionally relied on lidar. In this paper we present a dual-weight particle filter as an extension for a Bayesian occupancy grid mapping framework to allow to operate it with radar as its main sensors. It uses two separate particle weights that are computed differently to compensate that a radial velocity measurement in many situations is not able to capture the actual velocity of an object. We evaluate the method extensively with simulated data and show the advantages over existing single weight solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google