Analyzing Infrastructure LiDAR Placement with Realistic LiDAR Simulation Library

要約

最近、Vehicle-to-Everything(V2X)協調認識が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が、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ション環境でインフラストラクチャー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して評価するために、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 シミュレーターで忠実度の高い LiDAR ポイント クラウドを生成できる、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す。
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により、点群分布と知覚精度の間の相関関係を分析します。
実験では、インフラ LiDAR の配置が知覚の精度に大きく影響する可能性があることが示されています。
また、関心領域における知覚性能と LiDAR 点群分布との相関関係を分析し、密度と均一性が性能の指標になり得ることを検証します。

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 the placement of infrastructure LiDAR can heavily affect the accuracy of perception. 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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google