Adaptive Patched Grid Mapping

要約

この研究では、自律走行車の状況認識型グリッド ベースの認識を可能にする、新しい適応グリッド マッピング アプローチである適応パッチ グリッド マップを提案します。
その構造により、周囲の非構造化環境を柔軟に表現できます。
情報の種類を個別のレイヤーに分割することにより、データが不均一または散発的に利用可能な場合に割り当てられるメモリが少なくなります。
ただし、動的に変化するセル サイズに対処するには、融合プロセス中にレイヤーをリサンプリングする必要があります。
したがって、私たちは新しい空間細胞融合アプローチを提案します。
提案された融合フレームワークとともに、セル解像度仕様やホライズンターゲットなど、動的に変化する外部要件が考慮されます。
評価のために、さまざまな交通状況を走行する自動運転車から実世界のデータが記録されました。
これに基づいて、メモリ効率が他のアプローチと比較され、フュージョンの実行時間が決定されます。
その結果、要件の変更への適応とメモリ使用量の大幅な削減が確認されました。

要約(オリジナル)

In this work, we propose a novel adaptive grid mapping approach, the Adaptive Patched Grid Map, which enables a situational aware grid based perception for autonomous vehicles. Its structure allows a flexible representation of the surrounding unstructured environment. By splitting types of information into separate layers less memory is allocated when data is unevenly or sporadically available. However, layers must be resampled during the fusion process to cope with dynamically changing cell sizes. Therefore, we propose a novel spatial cell fusion approach. Together with the proposed fusion framework, dynamically changing external requirements, such as cell resolution specifications and horizon targets, are considered. For our evaluation, real-world data were recorded from an autonomous vehicle driving through various traffic situations. Based on this, the memory efficiency is compared to other approaches, and fusion execution times are determined. The results confirm the adaptation to requirement changes and a significant memory usage reduction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google