Automatic Odometry-Less OpenDRIVE Generation From Sparse Point Clouds

要約

高解像度の道路表現は、(高度な) 自動運転機能を成功させるための重要な要素です。
たとえば、高解像度 (HD) 地図などのこれらの表現には、道路形状、車線情報、交通標識などの多数の要素に関する正確な情報が含まれています。
自動運転機能の複雑さと高機能化により、テストと評価の要件も継続的に増加しています。
これにより、評価目的の仮想テストドライブへの関心が高まっています。
道路は交通の流れにおいて重要な役割を果たしているため、特に現実的な運転行動データを取得する場合には、正確な現実世界の表現が必要です。
この論文では、LiDAR センサーや取り付け位置に依存せず、オドメトリ データ、マルチセンサー フュージョン、機械学習、高精度のキャリブレーションを必要とせず、点群情報のみに基づいて現実的な道路表現を生成する新しいアプローチを提案します。
主な使用例はシミュレーションであるため、評価には OpenDRIVE 形式を使用します。

要約(オリジナル)

High-resolution road representations are a key factor for the success of (highly) automated driving functions. These representations, for example, high-definition (HD) maps, contain accurate information on a multitude of factors, among others: road geometry, lane information, and traffic signs. Through the growing complexity and functionality of automated driving functions, also the requirements on testing and evaluation grow continuously. This leads to an increasing interest in virtual test drives for evaluation purposes. As roads play a crucial role in traffic flow, accurate real-world representations are needed, especially when deriving realistic driving behavior data. This paper proposes a novel approach to generate realistic road representations based solely on point cloud information, independent of the LiDAR sensor, mounting position, and without the need for odometry data, multi-sensor fusion, machine learning, or highly-accurate calibration. As the primary use case is simulation, we use the OpenDRIVE format for evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google