Optimizing the Placement of Roadside LiDARs for Autonomous Driving

要約

マルチエージェントの協調認識は、自動運転の分野でますます注目を集めており、路側の LiDAR が重要な役割を果たしています。
ただし、路側の LiDAR の配置を最適化する方法は重要ですが、見落とされがちな問題です。
この論文では、知覚パフォーマンスを向上させるためにシーン内で最適化された位置を選択することにより、路側 LiDAR の配置を最適化するアプローチを提案します。
最適な位置の組み合わせを効率的に取得するために、知覚ゲインを最大化できる位置を順番に選択する、知覚ゲインに基づく貪欲なアルゴリズムが提案されています。
新しい LiDAR を設置したときの知覚能力の増加として知覚ゲインを定義します。
知覚能力を取得するために、単一の点群フレームのみを使用して LiDAR の配置を評価することを学習する知覚予測器を提案します。
Roadside-Opt という名前のデータセットは、路側の LiDAR 配置問題の研究を促進するために、CARLA シミュレーターを使用して作成されます。

要約(オリジナル)

Multi-agent cooperative perception is an increasingly popular topic in the field of autonomous driving, where roadside LiDARs play an essential role. However, how to optimize the placement of roadside LiDARs is a crucial but often overlooked problem. This paper proposes an approach to optimize the placement of roadside LiDARs by selecting optimized positions within the scene for better perception performance. To efficiently obtain the best combination of locations, a greedy algorithm based on perceptual gain is proposed, which selects the location that can maximize the perceptual gain sequentially. We define perceptual gain as the increased perceptual capability when a new LiDAR is placed. To obtain the perception capability, we propose a perception predictor that learns to evaluate LiDAR placement using only a single point cloud frame. A dataset named Roadside-Opt is created using the CARLA simulator to facilitate research on the roadside LiDAR placement problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google