A Novel Perception Entropy Metric for Optimizing Vehicle Perception with LiDAR Deployment

要約

効果的な評価指標を開発することは、LiDAR 知覚パフォーマンスを正確かつ迅速に測定するために重要です。
大きな問題の 1 つは、物体検出または点群データに基づいて高速かつ正確な評価を同時に生成できるメトリクスが不足していることです。
この研究では、車両グリッド占有の確率に基づいた新しい LiDAR 知覚エントロピー メトリックを提案します。
このメトリクスは、車両検出パフォーマンスに対する点群分布の影響を反映しています。
これに基づいて、微分進化ベースの粒子群最適化アルゴリズムを使用して解決される、LiDAR 展開最適化モデルも紹介します。
比較実験では、提案された PE-VGOP が、LiDAR 知覚性能の評価において車両検出のグラウンド トゥルースと 0.98 以上の相関関係を示すことが実証されました。
さらに、フィールド実験では、基本配備と比較して、提案された最適化モデルが RS-16、RS-32、RS-80 などのさまざまなタイプの LiDAR の認識能力を大幅に向上できることが示されています。
特に、RS-32 LiDAR の検出リコールが 25% 増加しました。

要約(オリジナル)

Developing an effective evaluation metric is crucial for accurately and swiftly measuring LiDAR perception performance. One major issue is the lack of metrics that can simultaneously generate fast and accurate evaluations based on either object detection or point cloud data. In this study, we propose a novel LiDAR perception entropy metric based on the probability of vehicle grid occupancy. This metric reflects the influence of point cloud distribution on vehicle detection performance. Based on this, we also introduce a LiDAR deployment optimization model, which is solved using a differential evolution-based particle swarm optimization algorithm. A comparative experiment demonstrated that the proposed PE-VGOP offers a correlation of more than 0.98 with vehicle detection ground truth in evaluating LiDAR perception performance. Furthermore, compared to the base deployment, field experiments indicate that the proposed optimization model can significantly enhance the perception capabilities of various types of LiDARs, including RS-16, RS-32, and RS-80. Notably, it achieves a 25% increase in detection Recall for the RS-32 LiDAR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google