[論文レビュー] A Random Finite Set Approach for Dynamic Occupancy Grid Maps with Real-Time Application

Dominik Nuß, Stephan Reuter+6 more|arXiv (Cornell University)|May 8, 2016

Target Tracking and Data Fusion in Sensor Networks被引用数 14

ひとこと要約

本稿は、新規の確率的ハゼス密度／マルチインスタンスベルヌーイ（PHD/MIB）フィルタを用いて、レーザーとレーダーの融合データを用いて動的オ占いグリッドマッピングを数学的に厳密に扱うための確率的有限集合（RFS）フレームワークを提案する。グリッドセルを確率的有限集合としてモデル化し、デムプスター＝シャーマー（DS）領域における粒子ベースのGPU並列化フィルタ（DS-PHD/MIB）を実装することで、リアルタイムかつ一貫性のある移動障害物および静的環境の推定を実現した。検出においては99%の真正陽性率と1%の偽陽性率を達成した。

ABSTRACT

Grid mapping is a well established approach for environment perception in robotic and automotive applications. Early work suggests estimating the occupancy state of each grid cell in a robot's environment using a Bayesian filter to recursively combine new measurements with the current posterior state estimate of each grid cell. This filter is often referred to as binary Bayes filter (BBF). A basic assumption of classical occupancy grid maps is a stationary environment. Recent publications describe bottom-up approaches using particles to represent the dynamic state of a grid cell and outline prediction-update recursions in a heuristic manner. This paper defines the state of multiple grid cells as a random finite set, which allows to model the environment as a stochastic, dynamic system with multiple obstacles, observed by a stochastic measurement system. It motivates an original filter called the probability hypothesis density / multi-instance Bernoulli (PHD/MIB) filter in a top-down manner. The paper presents a real-time application serving as a fusion layer for laser and radar sensor data and describes in detail a highly efficient parallel particle filter implementation. A quantitative evaluation shows that parameters of the stochastic process model affect the filter results as theoretically expected and that appropriate process and observation models provide consistent state estimation results.

研究の動機と目的

• 非定常環境における動的オ占いグリッドマッピングのための厳密なベイズフレームワークの欠如に応えること。
• 複数のグリッドセルの動的状態を確率的有限集合（RFS）としてモデル化し、一貫性のあるマルチオブジェクト推定を可能とすること。
• 自動車の認識システムに適したリアルタイムかつ計算効率の良いフィルタの開発。
• 融合されたレーザーとレーダーのデータを用いて静的および動的障害物を正確に分離できること。
• 確率過程モデルを通じてフィルタパラメータに物理的解釈を付与すること。

提案手法

• 動的オ占いグリッドマッピング問題を、厳密なマルチオブジェクトベイズ推論を可能とする確率的有限集合（RFS）推定タスクとして定式化する。
• 複数のベルヌーイフィルタと確率的ハゼス密度（PHD）フィルタを組み合わせることで、マルチインスタンスオブジェクト追跡に適したPHD/MIBフィルタを導出する。
• 計算負荷を低減しリアルタイム動作を可能とするために、DS領域におけるPHD/MIBフィルタの粒子ベースの近似を適用する。
• 粒子管理のための最適化されたソーティングおよびアサインメントステップを備えた、大規模並列なGPUアクセcelレーテッド実装を設計する。
• 新規オブジェクトの出現を表すための誕生確率モデルと、動的変化を追跡するための速度に基づくプロセスモデルを用いる。
• レーザーとレーダーの測定値を融合し、ドップラー情報を活用して偽陽性の動き推定を低減する。

実験結果

リサーチクエスチョン

• RQ1 上位から設計されたRFSベースの定式化は、動的オ占いグリッドマッピングのための厳密で一貫性のあるフレームワークを提供できるか？
• RQ2 PHD/MIBフィルタは、実世界のセンサデータにおいて静的および動的障害物をどれほど正確に分離できるか？
• RQ3 特に誕生確率を含むプロセスモデルパラメータの影響は、推定精度および検出性能にどのように現れるか？
• RQ4 PHD/MIBフィルタの粒子ベースの近似は、現代のGPU上で効率的に並列化可能で、リアルタイム実行が可能か？
• RQ5 レーダーを用いたセンサ融合は、レーザー単体の入力と比較して、動的グリッドマップ推定のロバストネスをどのように向上させるか？

主な発見

• DS-PHD/MIBフィルタは、動的セル検出において99%の真正陽性率と1%の偽陽性率を達成し、高い分類精度を示した。
• プロセスモデルの最適な誕生確率は0.02であると判明し、一貫性があり正確な推定結果が得られた。
• レーダーとの融合により、曇りのレーザー戻りが生じる領域においても、偽陽性の動き推定が顕著に低減された。
• GPU並列実装によりリアルタイム性能が達成され、1更新サイクルあたり2×10⁶個の粒子と1.44×10⁶個のグリッドセルを処理し、リフレッシュ時間が約50 msであった。
• 静的条件下では古典的バイナリベイズフィルタと整合性を保ち、理論的基盤の妥当性が裏付けられた。
• RFS定式化によりフィルタパラメータに物理的意味が与えられ、オブジェクトの誕生および運動ダイナミクスの明示的モデル化が可能になった。