A Cooperative Perception System Robust to Localization Errors

要約

タイトル：位置決めエラーに強い協調認識システム

要約：
– 安全性が重要な自動運転アプリケーションにおいて、協調認識は課題である。
– 共有された位置情報のエラーは、相対変換の推定に不正確さをもたらし、Ego車両の堅牢なマッピングを妨げる。
– 我々はOptiMatchという分散オブジェクトレベルの協調認識システムを提案する。
– このシステムでは、検出された3Dバウンディングボックスとローカル状態情報を接続された車両間で共有する。
– ノイズのある相対変換を修正するために、接続された両方の車両（バウンディングボックス）のローカルな測定値が利用され、最適輸送理論を基にしたアルゴリズムが開発され、車両間で共同検出されたオブジェクトとそれらの対応をフィルタリングすることで関連付けられた共視野セットを構築する。
– マッチングされたオブジェクトペアから修正変換が推定され、ノイズのある相対変換に適用され、グローバルフュージョンとダイナミックマッピングが続く。
– 実験結果は、場所と/または向きのエラーの異なるレベルで堅牢なパフォーマンスが達成され、提案されたフレームワークが早期、遅延、中間フュージョンを含む最先端のベンチマークフュージョンスキームを平均精度で大幅に上回ることを示している。

要約(オリジナル)

Cooperative perception is challenging for safety-critical autonomous driving applications.The errors in the shared position and pose cause an inaccurate relative transform estimation and disrupt the robust mapping of the Ego vehicle. We propose a distributed object-level cooperative perception system called OptiMatch, in which the detected 3D bounding boxes and local state information are shared between the connected vehicles. To correct the noisy relative transform, the local measurements of both connected vehicles (bounding boxes) are utilized, and an optimal transport theory-based algorithm is developed to filter out those objects jointly detected by the vehicles along with their correspondence, constructing an associated co-visible set. A correction transform is estimated from the matched object pairs and further applied to the noisy relative transform, followed by global fusion and dynamic mapping. Experiment results show that robust performance is achieved for different levels of location and heading errors, and the proposed framework outperforms the state-of-the-art benchmark fusion schemes, including early, late, and intermediate fusion, on average precision by a large margin when location and/or heading errors occur.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI