Robustness-Aware 3D Object Detection in Autonomous Driving: A Review and Outlook

要約

現代の自動運転の分野では、周囲環境の状態を正確に評価し、情報に基づいた予測と計画を可能にするために知覚システムが不可欠です。
このシステムの鍵となるのは、LiDAR やカメラなどの車載センサーを利用して近くの物体のサイズ、カテゴリ、位置を識別する 3D 物体検出方法です。
検出精度と効率の向上を目的とした 3D オブジェクト検出方法が急増しているにもかかわらず、環境の変化、ノイズ、天候の変化に対するその耐性を体系的に調査した文献にはギャップがあります。
この研究は、実際のシナリオの下で知覚システムを評価する際に、精度や遅延と並んで堅牢性の重要性を強調しています。
私たちの研究では、カメラベース、LiDAR ベース、マルチモーダル 3D 物体検出アルゴリズムに関する広範な調査を行っており、特に KITTI-C や nuScenes-C などのデータセットで、精度、遅延、堅牢性の間のトレードオフを徹底的に評価して、公平性を確保しています。
比較。
これらの中で、マルチモーダル 3D 検出アプローチは優れた堅牢性を示し、文献を再編成して明確さを高めるために新しい分類法が導入されています。
この調査は、現実世界のアプリケーションにおける 3D オブジェクト検出アルゴリズムの現在の機能と制約について、より実践的な視点を提供することを目的としており、これにより、将来の研究を堅牢性中心の進歩に向けて導くことができます。

要約(オリジナル)

In the realm of modern autonomous driving, the perception system is indispensable for accurately assessing the state of the surrounding environment, thereby enabling informed prediction and planning. Key to this system is 3D object detection methods, that utilize vehicle-mounted sensors such as LiDAR and cameras to identify the size, category, and location of nearby objects. Despite the surge in 3D object detection methods aimed at enhancing detection precision and efficiency, there is a gap in the literature that systematically examines their resilience against environmental variations, noise, and weather changes. This study emphasizes the importance of robustness, alongside accuracy and latency, in evaluating perception systems under practical scenarios. Our work presents an extensive survey of camera-based, LiDAR-based, and multimodal 3D object detection algorithms, thoroughly evaluating their trade-off between accuracy, latency, and robustness, particularly on datasets like KITTI-C and nuScenes-C to ensure fair comparisons. Among these,multimodal 3D detection approaches exhibit superior robustness and a novel taxonomy is introduced to reorganize its literature for enhanced clarity. This survey aims to offer a more practical perspective on the current capabilities and constraints of 3D object detection algorithms in real-world applications, thus steering future research towards robustness-centric advancements

arxiv情報

提供元, 利用サービス

arxiv.jp, Google