A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception

要約

カメラを使用した信頼性の高い物体検出は、自動運転車が周囲を認識できるようにする上で重要な役割を果たします。
しかし、自動運転向けの既存のカメラベースの物体検出アプローチには、個々のフレームの検出パフォーマンスに関する包括的なフィードバックを提供する機能がありません。
この制限に対処するために、カメラベースの物体検出アルゴリズムのパフォーマンスを評価し、検出品質に関するフレームごとのフィードバックを提供する、検出品質指数 (DQI) と呼ばれる新しい評価指標を提案します。
DQI は、きめの細かい顕著性マップの強度と物体検出アルゴリズムの出力結果を組み合わせることによって生成されます。
さらに、生の画像ピクセルとスーパーピクセルを入力として利用して、提案された DQI 評価指標を予測するスーパーピクセルベースのアテンション ネットワーク (SPA-NET) を開発しました。
私たちのアプローチを検証するために、3 つのオープンソース データセットで実験を実施しました。
この結果は、提案された評価指標が自動運転環境におけるカメラベースのシステムの検出品質を正確に評価していることを示しています。
さらに、提案された SPA-NET は、他の一般的な画像ベースの品質回帰モデルよりも優れています。
これは、視覚的なシーンを認識するカメラの能力を評価する際の DQI の有効性を強調しています。
全体として、私たちの研究は、自動運転車におけるカメラベースの物体検出のための価値ある自己評価ツールを導入しています。

要約(オリジナル)

Reliable object detection using cameras plays a crucial role in enabling autonomous vehicles to perceive their surroundings. However, existing camera-based object detection approaches for autonomous driving lack the ability to provide comprehensive feedback on detection performance for individual frames. To address this limitation, we propose a novel evaluation metric, named as the detection quality index (DQI), which assesses the performance of camera-based object detection algorithms and provides frame-by-frame feedback on detection quality. The DQI is generated by combining the intensity of the fine-grained saliency map with the output results of the object detection algorithm. Additionally, we have developed a superpixel-based attention network (SPA-NET) that utilizes raw image pixels and superpixels as input to predict the proposed DQI evaluation metric. To validate our approach, we conducted experiments on three open-source datasets. The results demonstrate that the proposed evaluation metric accurately assesses the detection quality of camera-based systems in autonomous driving environments. Furthermore, the proposed SPA-NET outperforms other popular image-based quality regression models. This highlights the effectiveness of the DQI in evaluating a camera’s ability to perceive visual scenes. Overall, our work introduces a valuable self-evaluation tool for camera-based object detection in autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google