Towards Efficient Roadside LiDAR Deployment: A Fast Surrogate Metric Based on Entropy-Guided Visibility

要約

道端のライダーセンサーの展開は、協同組合インテリジェント輸送システム（C-IT）の開発において重要な役割を果たします。
ただし、LIDARセンサーの高コストでは、検出性能を最大化するための効率的な配置戦略が必要です。
従来の道端のライダー展開方法は、専門家の洞察に依存しており、時間がかかります。
ただし、このプロセスを自動化するには、視認性評価だけでなく、さまざまなLIDARの配置全体の検出性能を評価する必要があるため、広範な計算が必要です。
この課題に対処するために、道端のLIDAR構成のオブジェクト検出性能を評価するための情報ゲインに基づいて、高速サロゲートメトリックであるエントロピー誘導可視性スコア（EGV）を提案します。
EGVは、トラフィックの確率的占有グリッド（TPOG）を活用して重要な領域に優先順位を付け、エントロピーベースの計算を使用してLidarビームによってキャプチャされた情報を定量化します。
これにより、通常、広範なラベル付けと計算リソースが必要な直接検出性能評価の必要性がなくなります。
EGVを最適化プロセスに統合することにより、最適なLIDAR構成の検索を大幅に加速します。
AWSIMシミュレーターを使用した実験結果は、EGVが平均精度（AP）スコアと強く相関し、オブジェクト検出パフォーマンスを効果的に予測することを示しています。
このアプローチは、道端のライダー展開のための計算効率的なソリューションを提供し、スケーラブルなスマートインフラストラクチャ開発を促進します。

要約(オリジナル)

The deployment of roadside LiDAR sensors plays a crucial role in the development of Cooperative Intelligent Transport Systems (C-ITS). However, the high cost of LiDAR sensors necessitates efficient placement strategies to maximize detection performance. Traditional roadside LiDAR deployment methods rely on expert insight, making them time-consuming. Automating this process, however, demands extensive computation, as it requires not only visibility evaluation but also assessing detection performance across different LiDAR placements. To address this challenge, we propose a fast surrogate metric, the Entropy-Guided Visibility Score (EGVS), based on information gain to evaluate object detection performance in roadside LiDAR configurations. EGVS leverages Traffic Probabilistic Occupancy Grids (TPOG) to prioritize critical areas and employs entropy-based calculations to quantify the information captured by LiDAR beams. This eliminates the need for direct detection performance evaluation, which typically requires extensive labeling and computational resources. By integrating EGVS into the optimization process, we significantly accelerate the search for optimal LiDAR configurations. Experimental results using the AWSIM simulator demonstrate that EGVS strongly correlates with Average Precision (AP) scores and effectively predicts object detection performance. This approach offers a computationally efficient solution for roadside LiDAR deployment, facilitating scalable smart infrastructure development.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google