[論文レビュー] An Optimal LiDAR Configuration Approach for Self-Driving Cars

Shenyu Mou, Yan Chang+2 more|ArXiv.org|May 20, 2018

Robotics and Sensor-Based Localization参考文献 5被引用数 24

ひとこと要約

本論文は、自己走行車に複数のLiDARを配置するための一般化された最適化フレームワークを提案し、3次元環境認識を最大化するとともに、重複とコストを最小限に抑えることを目的としている。LiDARの認識をスパarsityおよび量子化を用いてモデル化することで、格子に基づく手法とシリンダーベースの近似を用い、非線形な配置問題を解ける最適化モデルに変換し、最小限の盲点で最も情報量の多いカバレッジを達成している。

ABSTRACT

LiDARs plays an important role in self-driving cars and its configuration such as the location placement for each LiDAR can influence object detection performance. This paper aims to investigate an optimal configuration that maximizes the utility of on-hand LiDARs. First, a perception model of LiDAR is built based on its physical attributes. Then a generalized optimization model is developed to find the optimal configuration, including the pitch angle, roll angle, and position of LiDARs. In order to fix the optimization issue with off-the-shelf solvers, we proposed a lattice-based approach by segmenting the LiDAR's range of interest into finite subspaces, thus turning the optimal configuration into a nonlinear optimization problem. A cylinder-based method is also proposed to approximate the objective function, thereby making the nonlinear optimization problem solvable. A series of simulations are conducted to validate our proposed method. This proposed approach to optimal LiDAR configuration can provide a guideline to researchers to maximize the utility of LiDARs.

研究の動機と目的

• 自己走行車における最適な3次元LiDAR配置を一般化された手法で解決する必要性に対処すること。
• LiDARの配置最適化を通じて、高分解能の環境認識とコスト・重複のバランスを取ること。
• カメラベースのセンシングとは根本的に異なる、離散的かつスパースなLiDAR認識の性質を考慮すること。
• LiDARのピッチ、ロール、位置の非線形で多次元な最適化問題を、計算的に実行可能な解決策として開発すること。
• シミュレーションを通じた検証を行い、視野カバレッジを最大化する有効性を示すこと。

提案手法

• ビームの開口角や範囲などのLiDARの物理的特性に基づいた認識モデルを構築し、スパarsityおよび離散的サンプリングを捉える。
• 連続的な最適化問題を離散的探索問題に変換するために、格子に基づく手法で配置空間を有限の部分空間に分割する。
• LiDARの視野を効率的に計算可能な3次元空間のカバレッジを推定するために、シリンダーベースの近似を導入する。
• 最適化の目的関数として、未観測領域に内接する最大の球の半径を最小化することで、カバレッジを最大化する。
• 立方体がLiDARおよび部分空間に対して可視であるか否かを表すために、論理制約（AND、OR、IF-THEN-ELSE）を用いる。
• 全配置を位置、ピッチ、ロール角度のベクトルとしてパラメータ化し、混合整数非線形プログラミングを用いて解空間を探索する。

実験結果

リサーチクエスチョン

• RQ1 自己走行車に複数のLiDARを配置する最適な3次元配置は何か？ それは環境認識カバレッジを最大化する。
• RQ2 3次元センサ配置最適化フレームワークにおいて、LiDARの点群の離散的かつスパースな性質を効果的にモデル化できるか？
• RQ3 格子に基づく量子化とシリンダーベースの近似によって、元来解けない非線形最適化問題を扱える解法が得られるか？
• RQ4 視野の完全性と盲点の低減という観点から、本手法は既存の配置と比べてどのように優れているか？
• RQ5 LiDARおよびレーザーの数を増加させた場合の計算コストとスケーラビリティのトレードオフは何か？

主な発見

• 提案手法は、最大の未観測球の半径を最小化するLiDAR配置を効果的に特定し、カバレッジが最大で盲点が最小であることを示している。
• 格子に基づくアプローチにより、連続的な配置空間の離散的近似が可能となり、市販のソルバーで解ける最適化問題に変換された。
• シリンダーベースの近似は、LiDARの円錐型視野を効果的にモデル化し、カバレッジ推定における計算効率と精度を向上させた。
• シミュレーション結果により、モデルの有効性が検証され、最適化された配置がベースライン配置と比較して最も情報量の多い認識を達成していることが示された。
• 本手法は複雑な配置に対しても頑健であるが、LiDARおよびレーザーの数が増えると計算時間が著しく増加する。
• 本手法は一般化可能であり、研究者がLiDARの効用を最大化するとともに、重複とコストを最小化するための指針を提供する。