Multi-Modal Sensor Fusion and Object Tracking for Autonomous Racing

要約

自動運転車の包括的な動作予測と計画には、周囲の物体の信頼性の高い検出と追跡が不可欠です。
個々のセンサーには限界があるため、全体的な検出能力を向上させるには、複数のセンサー モダリティを融合する必要があります。
さらに、センサーノイズの影響を軽減し、状態推定の精度を向上させるには、堅牢なモーション追跡が不可欠です。
自動運転車ソフトウェアの信頼性は、自動運転レースにおける車両処理限界における複雑で敵対的な高速シナリオではさらに重要になります。
この論文では、高速アプリケーション向けのモジュール式マルチモーダル センサーの融合および追跡方法を紹介します。
この方法は拡張カルマン フィルター (EKF) に基づいており、異種の検出入力を融合して周囲の物体を一貫して追跡することができます。
新しい遅延補償アプローチにより、認識ソフトウェアの遅延の影響を軽減し、更新されたオブジェクト リストを出力できます。
これは、Indy Autonomous Challenge 2021 および CES (AC@CES) 2022 の Autonomous Challenge で高速現実世界のシナリオで検証された最初の融合および追跡手法であり、組み込みシステムでの堅牢性と計算効率が証明されています。
ラベル付きデータは必要なく、0.1 m 未満の位置追跡残差を実現します。
関連コードは、オープンソース ソフトウェアとして https://github.com/TUMFTM/FusionTracking で入手できます。

要約(オリジナル)

Reliable detection and tracking of surrounding objects are indispensable for comprehensive motion prediction and planning of autonomous vehicles. Due to the limitations of individual sensors, the fusion of multiple sensor modalities is required to improve the overall detection capabilities. Additionally, robust motion tracking is essential for reducing the effect of sensor noise and improving state estimation accuracy. The reliability of the autonomous vehicle software becomes even more relevant in complex, adversarial high-speed scenarios at the vehicle handling limits in autonomous racing. In this paper, we present a modular multi-modal sensor fusion and tracking method for high-speed applications. The method is based on the Extended Kalman Filter (EKF) and is capable of fusing heterogeneous detection inputs to track surrounding objects consistently. A novel delay compensation approach enables to reduce the influence of the perception software latency and to output an updated object list. It is the first fusion and tracking method validated in high-speed real-world scenarios at the Indy Autonomous Challenge 2021 and the Autonomous Challenge at CES (AC@CES) 2022, proving its robustness and computational efficiency on embedded systems. It does not require any labeled data and achieves position tracking residuals below 0.1 m. The related code is available as open-source software at https://github.com/TUMFTM/FusionTracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google