要約
この論文では、自動運転車やロボット工学アプリケーションのセンサー設定の死角を推定する方法を紹介します。
幾何学的近似に依存する以前の方法と比較して、私たちが提示したアプローチは、正確で詳細な 3D シミュレーション環境を利用することにより、より現実的なカバレッジ推定を提供します。
私たちの手法は、LiDAR センサーからの点群、またはターゲット シナリオの高忠実度シミュレーションからのカメラ深度画像を活用して、正確で実用的な視界推定を提供します。
モンテカルロベースの基準センサー シミュレーションにより、カバレッジの指標としての死角サイズと、任意の位置にある物体の検出確率を正確に推定できます。
要約(オリジナル)
In this paper, we introduce a method for estimating blind spots for sensor setups of autonomous or automated vehicles and/or robotics applications. In comparison to previous methods that rely on geometric approximations, our presented approach provides more realistic coverage estimates by utilizing accurate and detailed 3D simulation environments. Our method leverages point clouds from LiDAR sensors or camera depth images from high-fidelity simulations of target scenarios to provide accurate and actionable visibility estimates. A Monte Carlo-based reference sensor simulation enables us to accurately estimate blind spot size as a metric of coverage, as well as detection probabilities of objects at arbitrary positions.
arxiv情報
| 著者 | Marc Uecker,J. Marius Zöllner |
| 発行日 | 2024-02-14 15:19:02+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google