Applying Extended Object Tracking for Self-Localization of Roadside Radar Sensors

要約

高度道路交通システム（ITS）は、耐候性に優れ、検知距離が長く、製造コストが低いため、大規模な交通監視のために道路脇の4D mmWaveレーダー・センサの恩恵を受けることができる。しかし、外部測定装置を使用するローカライゼーション手法は、都市環境では限界があります。また、センサの取り付け位置が環境の影響により変化した場合、設置時のみの測定では補正することができない。本論文では、拡張物体追跡（Extended Object Tracking：EOT）を用いた路側レーダデータの自己位置特定を提案する。本手法は、センサで観測された車両の追跡軌跡と市街地の航空レーザスキャンの両方を分析し、軌跡区間と道路セグメントに「直進」、「左折」、「右折」などの運転行動のラベルを割り当て、点群を登録するために意味的反復最接近点（SICP）アルゴリズムを実行する。本手法は、ローカライゼーションのために、ダウンストリームタスクである物体追跡の結果を利用する。我々は、非常に低い方位誤差とともに、サブメートルレンジでの高い精度を実証する。また、この手法はデータ効率も良い。評価はシミュレーションと実環境テストの両方で行った。

要約(オリジナル)

Intelligent Transportation Systems (ITS) can benefit from roadside 4D mmWave radar sensors for large-scale traffic monitoring due to their weatherproof functionality, long sensing range and low manufacturing cost. However, the localization method using external measurement devices has limitations in urban environments. Furthermore, if the sensor mount exhibits changes due to environmental influences, they cannot be corrected when the measurement is performed only during the installation. In this paper, we propose self-localization of roadside radar data using Extended Object Tracking (EOT). The method analyses both the tracked trajectories of the vehicles observed by the sensor and the aerial laser scan of city streets, assigns labels of driving behaviors such as ‘straight ahead’, ‘left turn’, ‘right turn’ to trajectory sections and road segments, and performs Semantic Iterative Closest Points (SICP) algorithm to register the point cloud. The method exploits the result from a down stream task — object tracking — for localization. We demonstrate high accuracy in the sub-meter range along with very low orientation error. The method also shows good data efficiency. The evaluation is done in both simulation and real-world tests.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL