V2I-Calib++: A Multi-terminal Spatial Calibration Approach in Urban Intersections for Collaborative Perception

要約

歩行者と車両が密集し、高層ビルによるGPS信号の障害もある都市の交差点は、都市交通システムにおいて最も困難なエリアの1つです。従来の単一車両インテリジェンス・システムは、グローバルな交通流情報と予期せぬ事象への対応能力が不足しているため、このような環境ではしばしばパフォーマンスが低下します。車両間（V2V）と車両からインフラ（V2I）へのリアルタイム通信を通じたVehicle-to-Everything（V2X）技術は、強固なソリューションを提供する。しかし、実用化にはまだ多くの課題がある。マルチエンドLiDARシステムにおける異種車両およびインフラエンドポイント間の較正は、認識システムデータの精度と一貫性を保証するために極めて重要です。既存のほとんどのマルチエンド校正方法は、測位システムから提供される初期校正値に依存していますが、都市峡谷の高い建物によるGPS信号の不安定性は、これらの方法に深刻な課題を突きつけています。この問題に対処するため、本論文では、初期外部パラメータを決定するための測位プリオールを必要とせず、リアルタイム要件を満たす新しいマルチエンドLiDARシステム校正法を提案する。本手法は、知覚オブジェクト間の空間的な関連性を測定するために、新しい総合距離メトリック（oDist）を利用した革新的なマルチエンド知覚オブジェクト関連付け手法を導入し、グローバル一貫性探索アルゴリズムと最適輸送理論を効果的に組み合わせています。この手法により、オブジェクト関連付けの結果から共観測ターゲットを抽出し、さらなる外部パラメータ計算と最適化を行うことができる。模擬データセットV2X-Simと実データセットDAIR-V2Xで行った広範な比較実験とアブレーション実験により、本手法の有効性と効率性が確認された。この手法のコードはhttps://github.com/MassimoQu/v2i-calib。

要約(オリジナル)

Urban intersections, dense with pedestrian and vehicular traffic and compounded by GPS signal obstructions from high-rise buildings, are among the most challenging areas in urban traffic systems. Traditional single-vehicle intelligence systems often perform poorly in such environments due to a lack of global traffic flow information and the ability to respond to unexpected events. Vehicle-to-Everything (V2X) technology, through real-time communication between vehicles (V2V) and vehicles to infrastructure (V2I), offers a robust solution. However, practical applications still face numerous challenges. Calibration among heterogeneous vehicle and infrastructure endpoints in multi-end LiDAR systems is crucial for ensuring the accuracy and consistency of perception system data. Most existing multi-end calibration methods rely on initial calibration values provided by positioning systems, but the instability of GPS signals due to high buildings in urban canyons poses severe challenges to these methods. To address this issue, this paper proposes a novel multi-end LiDAR system calibration method that does not require positioning priors to determine initial external parameters and meets real-time requirements. Our method introduces an innovative multi-end perception object association technique, utilizing a new Overall Distance metric (oDist) to measure the spatial association between perception objects, and effectively combines global consistency search algorithms with optimal transport theory. By this means, we can extract co-observed targets from object association results for further external parameter computation and optimization. Extensive comparative and ablation experiments conducted on the simulated dataset V2X-Sim and the real dataset DAIR-V2X confirm the effectiveness and efficiency of our method. The code for this method can be accessed at: https://github.com/MassimoQu/v2i-calib.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL