[論文レビュー] A LiDAR-based real-time capable 3D Perception System for Automated Driving in Urban Domains

Jens Rieken, Markus Maurer|arXiv (Cornell University)|May 7, 2020

Video Surveillance and Tracking Methods参考文献 64被引用数 6

ひとこと要約

本論文は、都市環境における自動運転を想定したリアルタイムでLiDARに依存する3次元認識システムを提示する。適応的グランド推定、3次元クラスタリング、および運動分類を用いて、静的および動的要素を同時にモデル化する。非平坦な地形や複雑な都市風景においても頑健な性能を発揮し、遮蔽や視点変化を考慮した強化されたオブジェクト追跡を実現。TUBSデータセットを用いた検証により、リアルタイム性能が維持されている。

ABSTRACT

We present a LiDAR-based and real-time capable 3D perception system for automated driving in urban domains. The hierarchical system design is able to model stationary and movable parts of the environment simultaneously and under real-time conditions. Our approach extends the state of the art by innovative in-detail enhancements for perceiving road users and drivable corridors even in case of non-flat ground surfaces and overhanging or protruding elements. We describe a runtime-efficient pointcloud processing pipeline, consisting of adaptive ground surface estimation, 3D clustering and motion classification stages. Based on the pipeline's output, the stationary environment is represented in a multi-feature mapping and fusion approach. Movable elements are represented in an object tracking system capable of using multiple reference points to account for viewpoint changes. We further enhance the tracking system by explicit consideration of occlusion and ambiguity cases. Our system is evaluated using a subset of the TUBS Road User Dataset. We enhance common performance metrics by considering application-driven aspects of real-world traffic scenarios. The perception system shows impressive results and is able to cope with the addressed scenarios while still preserving real-time capability.

研究の動機と目的

• 複雑な都市環境における自動運転を想定したリアルタイム対応の3次元認識システムの開発。
• リアルタイム制約下で静的および可動環境要因を同時にモデル化すること。
• 非平坦な地面表面、垂れ下がる植生、突出した物体に対して認識の頑健性を向上させること。
• 視点変化や遮蔽／曖昧さの状況を考慮したオブジェクト追跡の向上。
• 実世界の都市シナリオにおけるアプリケーション指向の指標を用いたシステムの評価。

提案手法

• 非平坦な地形や変化する道路状況に対応するため、適応的グランド表面推定アルゴリズムを採用する。
• 効率的なポイントクラウド処理のため、3次元クラスタリングと運動分類を組み合わせた階層的パイプラインを用いる。
• 静的環境を空間的詳細を高めた多特徴マッピングと統合手法で表現する。
• 視点変化に伴う精度の維持を図るため、複数の基準点を用いたオブジェクト追跡システムを採用する。
• 遮蔽や曖昧さを明示的にモデル化することで、混雑した都市交通における信頼性を向上させる。
• 実行時間効率を最適化することで、高解像度LiDARデータにおいてもリアルタイム性能を確保する。

実験結果

リサーチクエスチョン

• RQ1 LiDARに依存する3次元認識システムは、複雑な都市環境を正確にモデル化しつつ、どのようにしてリアルタイム性能を維持できるか？
• RQ2 適応的グランド推定は、非平坦または不規則な道路表面における認識にどの程度向上効果をもたらすか？
• RQ3 複数基準点追跡は、視点変化に伴うオブジェクト追跡の頑健性をどのように向上させるか？
• RQ4 遮蔽および曖昧さの処理は、混雑した都市交通における追跡信頼性をどのように向上させるか？
• RQ5 アプリケーション指向の性能指標は、標準ベンチマークよりも、実世界の自動運転の課題をより的確に反映できるか？

主な発見

• 本認識システムは、HDL-64Eセンサからの高解像度LiDARデータにおいてリアルタイム性能を達成しており、クローズドループドライブ応用に適している。
• 適応的グランド推定により、非平坦で不規則な道路表面の正確なモデル化が可能となり、検出の信頼性が向上した。
• 複数基準点追跡システムにより、視点変化に伴う追跡ドリフトが顕著に低減され、オブジェクトの持続性が向上した。
• 遮蔽および曖昧さの明示的モデル化により、ごみごみとした都市シーンでもより安定的かつ正確なオブジェクト追跡が実現した。
• アプリケーション指向の評価指標により、垂れ下がる植生や突出した障害物を含む複雑なシナリオでの性能向上が明らかになった。
• TUBSロードユーザーデータセットにおいて、本システムは頑健性とスケーラビリティを示し、実世界の都市自動運転に適していることが確認された。