[論文レビュー] A View-Dependent Adaptive Matched Filter for LADAR-Based Vehicle Tracking

Daniel Morris, Regis Hoffman+1 more|arXiv (Cornell University)|Sep 25, 2017

Autonomous Vehicle Technology and Safety参考文献 7被引用数 4

ひとこと要約

本論文は、自律走行車両のLADARデータから高速かつ正確に車両の姿勢を推定するための、視点依存の適応型マッチドフィルタを提案する。ターゲットの姿勢とサイズに最適化された解析的マッチング関数を導出することで、10 Hzで50台以上の車両をリアルタイムで追跡可能となり、サポートベクターベースの識別子により、ゴミダストから車両を区別することができる。

ABSTRACT

LADARs mounted on mobile platforms produce a wealth of precise range data on the surrounding objects and vehicles. The challenge we address is to infer from these raw LADAR data the location and orientation of nearby vehicles. We propose a novel view-dependent adaptive matched filter for obtaining fast and precise measurements of target vehicle pose. We derive an analytic expression for the matching function which we optimize to obtain target pose and size. Our algorithm is fast, robust and simple to implement compared to other methods. When used as the measurement component of a tracker on an autonomous ground vehicle, we are able to track in excess of 50 targets at 10 Hz. Once targets are aligned using our matched filter, we use a support vector-based discriminator to distinguish vehicles from other objects. This tracker provides a key sensing component for our autonomous ground vehicles which have accumulated hundreds of miles of on-road and off-road autonomous driving.

研究の動機と目的

• 生のLADAR距離データから近隣の車両の3次元姿勢（位置および向き）を正確に推定する課題に対処すること。
• 自律走行車両の認識における既存手法と比較して、追跡速度と頑健性を向上させること。
• 高いターゲット処理能力と低い計算負荷を備えたモバイルプラットフォームでもリアルタイム動作を可能にすること。
• アライメント後、サポートベクターベースの識別子を用いて、複雑な環境におけるゴミダストから車両を区別すること。
• 長時間にわたる自律走行を安定的に行うために、車両追跡のための安定的かつ高精度な測定部品を提供すること。

提案手法

• LADARセンサーとターゲット車両との相対的な視点に応じて適応する視点依存のマッチドフィルタを開発すること。
• 3次元車両モデルと観測されたLADAR点群との整合性を最適化するための解析的表現を導出すること。
• マッチング関数を最適化し、ターゲットの姿勢（位置および向き）とサイズを同時に推定すること。
• アライメント後に、シーン内の他の物体から車両を区別するためのサポートベクターマシン（SVM）分類器を用いること。
• 自律走行車両のための包括的な追跡フレームワーク内に、マッチドフィルタを測定モデルとして統合すること。
• 解析的最適化により計算効率を確保し、10 Hzでリアルタイム動作を実現すること。

実験結果

リサーチクエスチョン

• RQ1 LADARベースの車両追跡において、どのようにして異なる視点角度に適応するマッチドフィルタを実現できるか？
• RQ2 スパースなLADAR点群から、高速かつ高精度に車両の姿勢とサイズを推定するための解析的定式化は何か？
• RQ3 提案手法は、同時に50台以上の車両を追跡しながら、リアルタイム性能（≥10 Hz）を達成できるか？
• RQ4 複雑な環境において、本手法はゴミダストから車両をどれほど効果的に区別できるか？
• RQ5 長時間にわたる自律走行シナリオにおいて、トラッカーの性能はいかがなものか？

主な発見

• 提案された視点依存の適応型マッチドフィルタにより、自律走行車両プラットフォーム上で10 Hzで50台以上の車両をリアルタイムで追跡可能となった。
• マッチング関数の解析的最適化により、車両の姿勢とサイズの推定において高い精度が達成された。
• トラッカーは、舗装路および未舗装路の両環境で頑健性を示し、数百度の自律走行を実現した。
• サポートベクターベースの識別子の統合により、シーン内の他の物体から車両を効果的に区別できた。
• アルゴリズムは計算的に効率的で、実装が簡単であり、他の手法と比較して速度と信頼性の面で優れている。
• 本手法は、信頼性の高い自律走行車両認識システムに不可欠な安定的かつ高精度な測定部品を提供する。