Bayesian Simultaneous Localization and Multi-Lane Tracking Using Onboard Sensors and a SD Map

要約

自動運転には、正確な車線レベルの情報を含む高解像度の地図が不可欠ですが、これらの地図の作成にはリソースが大量に消費されるプロセスです。
この目的を達成するために、当社は、全地球航法衛星システム (GNSS) とお客様の車両に搭載されたカメラのみを使用して車線レベルの道路地図を作成する、費用対効果の高いソリューションを提案します。
私たちが提案するソリューションは、事前の標準解像度 (SD) マップ、GNSS 測定、ビジュアル オドメトリ、および車線境界線の検出ポイントを利用して、車両の 6D 姿勢、SD マップ内での位置、および車線の 3D ジオメトリを同時に推定します。
。
これは、ベイジアン同時位置特定およびマルチオブジェクト追跡フィルターを使用して実現されます。このフィルターでは、車線の推定が複数の拡張オブジェクト追跡問題として定式化され、軌道ポアソン マルチ ベルヌーイ混合 (TPMBM) フィルターを使用して解決されます。
TPMBM フィルタリングでは、B スプライン軌跡を使用して車線がモデル化され、各軌跡は一連の制御ポイントによってパラメータ化されます。
提案されたソリューションは、高速道路を走行する試験車両によって収集された実験データを使用して評価されました。
予備的な結果は、衛星画像に重ねられた車線推定値が、横方向のオフセットまでは車線区分線と概ね一致していることを示しています。

要約(オリジナル)

High-definition map with accurate lane-level information is crucial for autonomous driving, but the creation of these maps is a resource-intensive process. To this end, we present a cost-effective solution to create lane-level roadmaps using only the global navigation satellite system (GNSS) and a camera on customer vehicles. Our proposed solution utilizes a prior standard-definition (SD) map, GNSS measurements, visual odometry, and lane marking edge detection points, to simultaneously estimate the vehicle’s 6D pose, its position within a SD map, and also the 3D geometry of traffic lines. This is achieved using a Bayesian simultaneous localization and multi-object tracking filter, where the estimation of traffic lines is formulated as a multiple extended object tracking problem, solved using a trajectory Poisson multi-Bernoulli mixture (TPMBM) filter. In TPMBM filtering, traffic lines are modeled using B-spline trajectories, and each trajectory is parameterized by a sequence of control points. The proposed solution has been evaluated using experimental data collected by a test vehicle driving on highway. Preliminary results show that the traffic line estimates, overlaid on the satellite image, generally align with the lane markings up to some lateral offsets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google