Collaborative Grid Mapping for Moving Object Tracking Evaluation

要約

他の道路利用者の認識は、インテリジェント車両にとって重要なタスクです。
認識システムは、車載センサーのみを使用することも、他の車両や路側装置と連携することもできます。
いずれの場合でも、知覚システムのパフォーマンスはグラウンドトゥルース データに照らして評価する必要がありますが、これは特に面倒な作業であり、多くの手動操作が必要です。
この記事では、擬似グラウンドトゥルース推定のための新しい半自動手法を提案します。
この原理は、LiDAR センサーを搭載した複数の車両と道路脇に設置された固定認識システムを使用して実験を実行し、基準となる動的データを共同で構築することにあります。
この方法は、グリッド マッピング、特にデータセット シーケンス全体にわたって有効な関連情報を保持する背景マップの精緻化に基づいています。
すべてのエージェントからのデータは、タイムスタンプ付きの観測グリッドに変換されます。
不確実性を管理するデータ融合手法は、背景マップと観測値を組み合わせて、各瞬間の動的な参照情報を生成します。
3 台の実験車両と 1 台の路側機でいくつかのデータセットが取得されました。
この方法の評価は、最終的に手作りのグラウンド トゥルースと比較して提供されます。

要約(オリジナル)

Perception of other road users is a crucial task for intelligent vehicles. Perception systems can use on-board sensors only or be in cooperation with other vehicles or with roadside units. In any case, the performance of perception systems has to be evaluated against ground-truth data, which is a particularly tedious task and requires numerous manual operations. In this article, we propose a novel semi-automatic method for pseudo ground-truth estimation. The principle consists in carrying out experiments with several vehicles equipped with LiDAR sensors and with fixed perception systems located at the roadside in order to collaboratively build reference dynamic data. The method is based on grid mapping and in particular on the elaboration of a background map that holds relevant information that remains valid during a whole dataset sequence. Data from all agents is converted in time-stamped observations grids. A data fusion method that manages uncertainties combines the background map with observations to produce dynamic reference information at each instant. Several datasets have been acquired with three experimental vehicles and a roadside unit. An evaluation of this method is finally provided in comparison to a handmade ground truth.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google