Teleoperated Driving: a New Challenge for 3D Object Detection in Compressed Point Clouds

要約

近年、相互接続されたデバイスの開発は、インフォテインメントから教育や産業用途まで、多くの分野で拡大しています。
この傾向は、センサーの数の増加と強力なハードウェアとソフトウェアへのアクセシビリティによって加速されています。
これらの進歩から大幅に恩恵を受ける領域の1つは、テレオ蒸発運転（TD）です。
このシナリオでは、コントローラーは、車両に搭載されたリモートレバレバリのセンサーデータから車両を安全に駆動し、車両からすべてのもの（V2X）通信を介して交換されます。
この作業では、安全なTD操作を可能にするために、ポイントクラウドデータから車と歩行者の存在を検出する問題に取り組みます。
より具体的には、自律運転のためのマルチモーダル、オープンソース、合成データセットであるSelmaデータセットを活用します。これは、オブジェクトの検出をサポートする3Dオブジェクトのグラウンド境界ボックスを含めることで拡張しました。
圧縮効率、（DE）圧縮時間と推論時間、検出精度など、いくつかのメトリックの下で、最先端の圧縮アルゴリズムとオブジェクト検出器のパフォーマンスを分析します。
さらに、TDアプリケーションの3GPP要件に関するデータレートとレイテンシの観点から、V2Xネットワークに対する圧縮と検出の影響を測定します。

要約(オリジナル)

In recent years, the development of interconnected devices has expanded in many fields, from infotainment to education and industrial applications. This trend has been accelerated by the increased number of sensors and accessibility to powerful hardware and software. One area that significantly benefits from these advancements is Teleoperated Driving (TD). In this scenario, a controller drives safely a vehicle from remote leveraging sensors data generated onboard the vehicle, and exchanged via Vehicle-to-Everything (V2X) communications. In this work, we tackle the problem of detecting the presence of cars and pedestrians from point cloud data to enable safe TD operations. More specifically, we exploit the SELMA dataset, a multimodal, open-source, synthetic dataset for autonomous driving, that we expanded by including the ground-truth bounding boxes of 3D objects to support object detection. We analyze the performance of state-of-the-art compression algorithms and object detectors under several metrics, including compression efficiency, (de)compression and inference time, and detection accuracy. Moreover, we measure the impact of compression and detection on the V2X network in terms of data rate and latency with respect to 3GPP requirements for TD applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google