Fast Collision Probability Estimation for Automated Driving using Multi-circular Shape Approximations

要約

自動運転のための安全性評価と動作計画のための多くの最先端の方法では、衝突確率 (POC) の推定が必要です。
POC を推定するには、衝突するアクターの形状近似と、関連する不確実な運動学的変数の確率密度関数が必要です。
このような情報が入手可能な場合でも、POC の導出は一般に、つまり、あらゆる形状と密度に対して、モンテカルロ サンプリング (MCS) でのみ可能です。
ただし、実際のアプリケーションでは計算リソースが限られているため、POC のランダム サンプリングは困難です。
多円形状近似に基づいて、ガウス不確実性が存在する場合の POC の式を提示します。
さらに、提案されたアプローチが MCS よりも計算効率が高いことを示します。
最後に、使用された形状近似によって引き起こされる POC の推定誤差の上限と下限を設定する方法を提供します。

要約(オリジナル)

Many state-of-the-art methods for safety assessment and motion planning for automated driving require estimation of the probability of collision (POC). To estimate the POC, a shape approximation of the colliding actors and probability density functions of the associated uncertain kinematic variables are required. Even with such information available, the derivation of the POC is in general, i.e., for any shape and density, only possible with Monte Carlo sampling (MCS). Random sampling of the POC, however, is challenging as computational resources are limited in real-world applications. We present expressions for the POC in the presence of Gaussian uncertainties, based on multi-circular shape approximations. In addition, we show that the proposed approach is computationally more efficient than MCS. Lastly, we provide a method for upper and lower bounding the estimation error for the POC induced by the used shape approximations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google