Pose Optimization for Autonomous Driving Datasets using Neural Rendering Models

要約

自律運転システムは、実際の運転シナリオに挑戦する際の安全性と信頼性を確保するために、エゴカーの正確な認識とローカリゼーションに依存しています。
パブリックデータセットは、モデルの開発と評価のための標準化されたリソースを提供することにより、研究のベンチマークとガイドの進歩に重要な役割を果たします。
ただし、これらのデータセット内でのセンサーのキャリブレーションと車両のポーズの潜在的な不正確さは、ダウンストリームタスクの誤った評価につながり、自律システムの信頼性とパフォーマンスに悪影響を与える可能性があります。
この課題に対処するために、センサーのポーズとキャリブレーションパラメーターを改良し、データセットベンチマークの整合性を高めるために、ニューラル放射輝度フィールド（NERF）に基づく堅牢な最適化方法を提案します。
グラウンドトゥルースなしで最適化されたポーズの精度の改善を検証するために、徹底的な評価プロセスを提示し、再注入メトリック、新しいビューの合成の品質レンダリング、および幾何学的アライメントに依存します。
私たちの方法は、センサーのポーズ精度の大幅な改善を達成することを実証します。
これらの重要なパラメーターを最適化することにより、当社のアプローチは既存のデータセットの有用性を改善するだけでなく、より信頼性の高い自律運転モデル​​への道を開くこともできます。
この分野での継続的な進歩を促進するために、最適化されたセンサーポーズを公開され、研究コミュニティに貴重なリソースを提供します。

要約(オリジナル)

Autonomous driving systems rely on accurate perception and localization of the ego car to ensure safety and reliability in challenging real-world driving scenarios. Public datasets play a vital role in benchmarking and guiding advancement in research by providing standardized resources for model development and evaluation. However, potential inaccuracies in sensor calibration and vehicle poses within these datasets can lead to erroneous evaluations of downstream tasks, adversely impacting the reliability and performance of the autonomous systems. To address this challenge, we propose a robust optimization method based on Neural Radiance Fields (NeRF) to refine sensor poses and calibration parameters, enhancing the integrity of dataset benchmarks. To validate improvement in accuracy of our optimized poses without ground truth, we present a thorough evaluation process, relying on reprojection metrics, Novel View Synthesis rendering quality, and geometric alignment. We demonstrate that our method achieves significant improvements in sensor pose accuracy. By optimizing these critical parameters, our approach not only improves the utility of existing datasets but also paves the way for more reliable autonomous driving models. To foster continued progress in this field, we make the optimized sensor poses publicly available, providing a valuable resource for the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google