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

要約

歩行者や車両の交通量が密集しており、高層ビルからのGPS信号障害によって悪化した都市の交差点は、都市交通システムで最も困難な地域の1つです。
従来の単一車両インテリジェンスシステムは、グローバルなトラフィックフロー情報が不足しているため、予期しないイベントに対応する能力により、このような環境では不十分に機能しません。
車両（V2X）テクノロジーは、車両（V2V）と車両からインフラストラクチャ（V2I）間のリアルタイム通信を通じて、堅牢なソリューションを提供します。
ただし、実用的なアプリケーションは依然として多くの課題に直面しています。
マルチエンドLIDARシステムの不均一な車両とインフラストラクチャエンドポイント間のキャリブレーションは、知覚システムデータの精度と一貫性を確保するために重要です。
ほとんどの既存のマルチエンドのキャリブレーション方法は、位置決めシステムによって提供される初期キャリブレーション値に依存していますが、都市の峡谷の高い建物によるGPSシグナルの不安定性は、これらの方法に深刻な課題をもたらします。
この問題に対処するために、このペーパーでは、初期外部パラメーターを決定するためにプライアーを配置する必要がない新しいマルチエンドLIDARシステムキャリブレーション方法を提案し、リアルタイムの要件を満たしています。
私たちの方法では、新しい全体的な距離メトリック（ODIST）を利用して知覚オブジェクト間の空間的関連を測定し、グローバルな一貫性検索アルゴリズムと最適な輸送理論を効果的に組み合わせて、革新的なマルチエンド認識オブジェクトアソシエーションの手法を紹介します。
これにより、外部パラメーターの計算と最適化のために、オブジェクト関連の結果から共存したターゲットを抽出できます。
シミュレートされたデータセットV2X-SIMおよび実際のデータセットDair-V2Xで行われた広範な比較およびアブレーション実験は、この方法の有効性と効率を確認します。
この方法のコードには、https：//github.com/massimoqu/v2i-calibにアクセスできます。

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, Google