The Machine Vision Iceberg Explained: Advancing Dynamic Testing by Considering Holistic Environmental Relations

要約

マシンビジョン（MV）は運転自動化の解決に不可欠です。
このペーパーでは、高度自動運転 (HAD) システムの現在の MV テスト戦略の潜在的な欠点を検討します。
私たちは、MV 評価プロセス中に考慮する必要があるパフォーマンス要因をより包括的に理解するよう主張し、これらの要因を無視すると重大なリスクにつながる可能性があることに注意します。
これは、MV コンポーネントのテストだけでなく、統合テストにも関係します。
この点を説明するために、氷山に向かって航行する船に例えて、現在の MV テスト戦略における潜在的な隠れた課題を示します。
主な貢献は、環境関係を観察するブラックボックス テストの新しいフレームワークです。
これは、関連する個々のオブジェクトの属性と環境を考慮することにより、MV 評価を強化するように設計されていることを意味します。
このフレームワークは、確立されたテスト プロセスでは適切に対処されていない、MV のオブジェクト認識に関する 7 つの一般的な懸念事項を特定します。
パフォーマンス要因に基づいてこれらの欠陥を検出するために、グラフィック表現とともに「粒度順序」と呼ばれる分類法の使用を提案します。
これにより、さまざまな運転シナリオにわたる MV の不確実性を特定できます。
このアプローチは、MV のテスト手順の精度、効率、完全性を向上させることを目的としています。

要約(オリジナル)

Machine Vision (MV) is essential for solving driving automation. This paper examines potential shortcomings in current MV testing strategies for highly automated driving (HAD) systems. We argue for a more comprehensive understanding of the performance factors that must be considered during the MV evaluation process, noting that neglecting these factors can lead to significant risks. This is not only relevant to MV component testing, but also to integration testing. To illustrate this point, we draw an analogy to a ship navigating towards an iceberg to show potential hidden challenges in current MV testing strategies. The main contribution is a novel framework for black-box testing which observes environmental relations. This means it is designed to enhance MV assessments by considering the attributes and surroundings of relevant individual objects. The framework provides the identification of seven general concerns about the object recognition of MV, which are not addressed adequately in established test processes. To detect these deficits based on their performance factors, we propose the use of a taxonomy called ‘granularity orders’ along with a graphical representation. This allows an identification of MV uncertainties across a range of driving scenarios. This approach aims to advance the precision, efficiency, and completeness of testing procedures for MV.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google