DeepIPCv2: LiDAR-powered Robust Environmental Perception and Navigational Control for Autonomous Vehicle

要約

特にすべてがはっきりと見えない照明条件下で運転する場合に、より堅牢な運転性を実現するために、LiDAR センサーを使用して環境を認識する自動運転モデル​​ DeepIPCv2 を紹介します。
DeepIPCv2 は、一連の LiDAR 点群を主な認識入力として受け取ります。
点群は照明の変化の影響を受けないため、状況に関係なく周囲を鮮明に観察できます。
これにより、シーンの理解が向上し、ナビゲーション制御を適切に推定する際にコントローラー モジュールをサポートする認識モジュールによって提供される安定した機能が実現します。
その性能を評価するために、一連の運転記録を予測し、3 つの異なる条件下で実際の自動運転を実行するモデルを展開することにより、いくつかのテストを実施します。
また、その性能を正当化するために、いくつかの最新モデルとのアブレーションおよび比較研究も実施しています。
実験結果に基づいて、DeepIPCv2 はあらゆる運転シナリオで最高のドライバビリティを実現することで、堅牢なパフォーマンスを示します。
さらに、コードを https://github.com/oskarnatan/DeepIPCv2 にアップロードします。

要約(オリジナル)

We present DeepIPCv2, an autonomous driving model that perceives the environment using a LiDAR sensor for more robust drivability, especially when driving under poor illumination conditions where everything is not clearly visible. DeepIPCv2 takes a set of LiDAR point clouds as the main perception input. Since point clouds are not affected by illumination changes, they can provide a clear observation of the surroundings no matter what the condition is. This results in a better scene understanding and stable features provided by the perception module to support the controller module in estimating navigational control properly. To evaluate its performance, we conduct several tests by deploying the model to predict a set of driving records and perform real automated driving under three different conditions. We also conduct ablation and comparative studies with some recent models to justify its performance. Based on the experimental results, DeepIPCv2 shows a robust performance by achieving the best drivability in all driving scenarios. Furthermore, we will upload the codes to https://github.com/oskarnatan/DeepIPCv2.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google