FuzzRisk: Online Collision Risk Estimation for Autonomous Vehicles based on Depth-Aware Object Detection via Fuzzy Inference

要約

このペーパーでは、オブジェクト検出パフォーマンスに基づいて、自律車両（AVS）の衝突リスクのレベルを推進する新しい監視フレームワークを紹介します。
このフレームワークは、異なるアルゴリズムから2セットの予測を取り、ファジー推論を介して矛盾を衝突リスクと関連付けます。
予測の最初のセットは、深度マップから安全性が批判的な2.5Dオブジェクトを取得することによって取得され、2番目のセットは通常のAVの3Dオブジェクト検出器から供給されます。
それを実験的に検証します。これは、交差点（IOU）と深さの矛盾尺度に基づいて、2つの予測セット間の矛盾が、グラウンドトゥルースに対する3Dオブジェクト検出器の誤差と強く相関しています。
この相関により、ファジー推論システムを構築し、矛盾測定値をAV衝突リスクインジケーターにマッピングできます。
特に、AV衝突率によく一致する既存のオフラインメトリックに向けて、ファジー推論システムを最適化します。
最後に、大規模なヌスセンデータセットで関連するリスク推定値を生成するモニターの機能を検証し、閉ループシミュレーションでAVを保護できることを実証します。

要約(オリジナル)

This paper presents a novel monitoring framework that infers the level of collision risk for autonomous vehicles (AVs) based on their object detection performance. The framework takes two sets of predictions from different algorithms and associates their inconsistencies with the collision risk via fuzzy inference. The first set of predictions is obtained by retrieving safety-critical 2.5D objects from a depth map, and the second set comes from the ordinary AV’s 3D object detector. We experimentally validate that, based on Intersection-over-Union (IoU) and a depth discrepancy measure, the inconsistencies between the two sets of predictions strongly correlate to the error of the 3D object detector against ground truths. This correlation allows us to construct a fuzzy inference system and map the inconsistency measures to an AV collision risk indicator. In particular, we optimize the fuzzy inference system towards an existing offline metric that matches AV collision rates well. Lastly, we validate our monitor’s capability to produce relevant risk estimates with the large-scale nuScenes dataset and demonstrate that it can safeguard an AV in closed-loop simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google