An Online Learning System for Wireless Charging Alignment using Surround-view Fisheye Cameras

要約

電気自動車はますます一般的になってきており、誘導充電パッドは電気自動車を充電するための便利で効率的な手段と考えられています。しかし、ドライバーは誘導充電を効率的に行うために必要な精度で車両を位置合わせすることが苦手なため、2つの充電プレートの位置合わせを自動的に行うことが望まれています。また、自動車の電動化と並行して、サラウンドビューカメラシステムを活用した自動駐車システムの普及が進んでいます。本研究では、サラウンドビューカメラシステムを利用して、車両を検出し、位置を特定し、自動的に誘導充電器と位置合わせを行うシステムを提案します。充電パッドのビジュアルデザインは標準化されておらず、必ずしも事前に分かっているわけではありません。そのため、オフラインでの学習に依存したシステムでは、状況によっては失敗してしまう。そこで、我々は、車両と充電パッドを手動で位置合わせする際のドライバーの行動を活用し、意味的なセグメンテーションと深度からの弱い監視と組み合わせて、ビデオ内の充電パッドを自動注釈する分類器を学習し、さらなる学習を行う自己教師付きオンライン学習法を提案する。このようにして、ドライバーは、見たことのない充電パッドに直面したとき、一度だけ手動で車両の位置を合わせる必要があります。充電台は地面に平らに置かれているため、遠方から検出することは容易ではありません。そこで、Visual SLAMパイプラインを用いて、充電パッドに相対するランドマークを学習し、より遠くからの位置合わせを可能にすることを提案します。https://youtu.be/_cLCmkW4UYo にあるビデオに示すように、自動運転車上で動作するシステムのデモを行います。さらに研究を進めるために、この研究で使用された充電台データセットを共有します。

要約(オリジナル)

Electric Vehicles are increasingly common, with inductive chargepads being considered a convenient and efficient means of charging electric vehicles. However, drivers are typically poor at aligning the vehicle to the necessary accuracy for efficient inductive charging, making the automated alignment of the two charging plates desirable. In parallel to the electrification of the vehicular fleet, automated parking systems that make use of surround-view camera systems are becoming increasingly popular. In this work, we propose a system based on the surround-view camera architecture to detect, localize, and automatically align the vehicle with the inductive chargepad. The visual design of the chargepads is not standardized and not necessarily known beforehand. Therefore, a system that relies on offline training will fail in some situations. Thus, we propose a self-supervised online learning method that leverages the driver’s actions when manually aligning the vehicle with the chargepad and combine it with weak supervision from semantic segmentation and depth to learn a classifier to auto-annotate the chargepad in the video for further training. In this way, when faced with a previously unseen chargepad, the driver needs only manually align the vehicle a single time. As the chargepad is flat on the ground, it is not easy to detect it from a distance. Thus, we propose using a Visual SLAM pipeline to learn landmarks relative to the chargepad to enable alignment from a greater range. We demonstrate the working system on an automated vehicle as illustrated in the video at https://youtu.be/_cLCmkW4UYo. To encourage further research, we will share a chargepad dataset used in this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL