Analyzing Infrastructure LiDAR Placement with Realistic LiDAR Simulation Library

要約

最近、Vehicle-to-Everything(V2X)協調認識がますます注目を集めています。
インフラストラクチャセンサーは、この研究分野で重要な役割を果たします。
ただし、インフラストラクチャ センサーの最適な配置を見つける方法はほとんど研究されていません。
この論文では、インフラストラクチャ センサーの配置の問題を調査し、現実的なシミュレート環境でインフラストラクチャ センサーの最適な設置位置を効率的かつ効果的に見つけることができるパイプラインを提案します。
LiDAR の配置をより適切にシミュレートおよび評価するために、さまざまな一般的な LiDAR の固有の特性をシミュレートし、CARLA シミュレーターで高忠実度の LiDAR 点群を生成できるリアリスティック LiDAR シミュレーション ライブラリを確立しました。
さまざまな LiDAR 配置で点群データをシミュレートすることで、複数の検出モデルを使用してこれらの配置の認識精度を評価できます。
次に、関心領域の密度と均一性を計算することで、点群の分布と知覚精度の間の相関関係を分析します。
実験の結果、同じ数と種類の LiDAR を使用した場合、提案手法によって最適化された配置スキームは、標準レーン シーンにおける従来の配置スキームと比較して、平均精度が 15% 向上することがわかりました。
また、対象領域の知覚パフォーマンスと LiDAR 点群分布との相関関係を分析し、密度と均一性がパフォーマンスの指標になり得ることを検証します。
RLS ライブラリと関連コードは両方とも https://github.com/PJLab-ADG/PCSim でリリースされます。

要約(オリジナル)

Recently, Vehicle-to-Everything(V2X) cooperative perception has attracted increasing attention. Infrastructure sensors play a critical role in this research field; however, how to find the optimal placement of infrastructure sensors is rarely studied. In this paper, we investigate the problem of infrastructure sensor placement and propose a pipeline that can efficiently and effectively find optimal installation positions for infrastructure sensors in a realistic simulated environment. To better simulate and evaluate LiDAR placement, we establish a Realistic LiDAR Simulation library that can simulate the unique characteristics of different popular LiDARs and produce high-fidelity LiDAR point clouds in the CARLA simulator. Through simulating point cloud data in different LiDAR placements, we can evaluate the perception accuracy of these placements using multiple detection models. Then, we analyze the correlation between the point cloud distribution and perception accuracy by calculating the density and uniformity of regions of interest. Experiments show that when using the same number and type of LiDAR, the placement scheme optimized by our proposed method improves the average precision by 15%, compared with the conventional placement scheme in the standard lane scene. We also analyze the correlation between perception performance in the region of interest and LiDAR point cloud distribution and validate that density and uniformity can be indicators of performance. Both the RLS Library and related code will be released at https://github.com/PJLab-ADG/PCSim.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google