An Efficient Convex Hull-Based Vehicle Pose Estimation Method for 3D LiDAR

要約

自動運転の認知技術には、車両姿勢推定が不可欠です。
ただし、LiDAR 点群の密度分布が異なるため、既存の姿勢推定方法を使用して 3D LiDAR に基づいて正確な方向抽出を実現することは困難です。
本論文では、凸包に基づく新しい車両姿勢推定法を提案した。
抽出された 3D クラスターは凸包に縮小され、計算負荷が軽減されます。
次に、正確な姿勢推定を達成できる検索ベースのアルゴリズム用に、最小オクルージョン領域に基づく新しい基準が開発されました。
提案されたアルゴリズムは、KITTI データセットと工業団地で取得された手動でラベル付けされたデータセットで検証されます。
結果は、提案された方法が、リアルタイムの速度を維持しながら、3 つの主流のアルゴリズムよりも優れた精度を達成できることを示しています。

要約(オリジナル)

Vehicle pose estimation is essential in the perception technology of autonomous driving. However, due to the different density distributions of the LiDAR point cloud, it is challenging to achieve accurate direction extraction based on 3D LiDAR by using the existing pose estimation methods. In this paper, we proposed a novel convex hull-based vehicle pose estimation method. The extracted 3D cluster is reduced to the convex hull, reducing the computation burden. Then a novel criterion based on the minimum occlusion area is developed for the search-based algorithm, which can achieve accurate pose estimation. The proposed algorithm is validated on the KITTI dataset and a manually labeled dataset acquired at an industrial park. The results show that our proposed method can achieve better accuracy than the three mainstream algorithms while maintaining real-time speed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google