[論文レビュー] Free Space Estimation using Occupancy Grids and Dynamic Object Detection

Raghavender Sahdev|arXiv (Cornell University)|Aug 16, 2017

Robotics and Sensor-Based Localization参考文献 4被引用数 3

ひとこと要約

本稿では、ステレオビジョンとオブジェクトグリッドを用いた自律走行のための自由空間推定手法を提案する。動きの流れを用いた動的物体検出とRANSACベースのセグメンテーションを組み合わせることで、トップダウン地図の正確性を向上させる。逐次的なオブジェクトグリッドの整合化と動的障害物のフィルタリングにより、複雑な都市部のシーンにおいても環境マッピングが安定する。KITTIデータセットを用いた検証で、動的障害物を伴う複雑な都市部において自由空間推定の性能が向上した。

ABSTRACT

In this paper we present an approach to estimate Free Space from a Stereo image pair using stochastic occupancy grids. We do this in the domain of autonomous driving on the famous benchmark dataset KITTI. Later based on the generated occupancy grid we match 2 image sequences to compute the top view representation of the map. We do this to map the environment. We compute a transformation between the occupancy grids of two successive images and use it to compute the top view map. Two issues need to be addressed for mapping are discussed - computing a map and dealing with dynamic objects for computing the map. Dynamic Objects are detected in successive images based on an idea similar to tracking of foreground objects from the background objects based on motion flow. A novel RANSAC based segmentation approach has been proposed here to address this issue.

研究の動機と目的

• ステレオ画像ペアを用いて自律走行のシナリオにおける自由空間を推定すること。
• 連続する画像シーケンスからのオブジェクトグリッドを整合化することで、正確なトップダウンマップを生成すること。
• 動きに基づく検出を用いてマップ構築における動的物体の干渉を解消すること。
• 動的障害物を伴う複雑な都市環境において、自由空間推定のロバスト性を向上させること。

提案手法

• ステレオ画像ペアから確率的オブジェクトグリッドを構築し、シーンの幾何構造を表現すること。
• 連続するオブジェクトグリッド間のフレーム間変換を計算し、空間表現を整合化すること。
• 連続フレーム間の動きの流れの差異を用いて動的物体を検出し、静的背景と区別すること。
• 新規のRANSACベースのセグメンテーション手法を適用し、動的物体検出を精緻化するとともにグリッドの一貫性を向上させること。
• 動的物体を検出してフィルタリングした上で、整合化されたオブジェクトグリッドを統合し、トップビュー地図を生成すること。
• 実世界の都市部走行シーケンスを用いてKITTIベンチマークデータセット上で手法を検証すること。

実験結果

リサーチクエスチョン

• RQ1 動的都市環境において、オブジェクトグリッドを用いたステレオ画像から自由空間をどのように正確に推定できるか？
• RQ2 動的物体がトップダウンマップ品質に与える影響は何か。また、グリッド統合中に効果的にフィルタリングするにはどうすればよいか？
• RQ3 動きの流れ解析とRANSACベースのセグメンテーションを組み合わせることで、自由空間推定のための動的物体検出がどのように向上するか？
• RQ4 提案されたグリッド整合化および統合手法は、連続フレーム間で空間的一致性をどの程度保っているか？
• RQ5 ベースラインのオブジェクトグリッド手法と比較して、この手法は自由空間推定の正確性をどの程度向上させるか？

主な発見

• 提案されたRANSACベースのセグメンテーション手法により、動きの流れ解析における誤検出の低減が図られ、動的物体検出の正確性が顕著に向上した。
• フレーム間変換を用いたグリッドの整合化により、連続するステレオ画像ペアにおいて一貫性のあるトップダウンマップ生成が可能になった。
• 本手法は、忙しい都市交差点など動的障害物の密度が高いシーンにおいても、自由空間推定が安定して行えることを示した。
• 整合化されたオブジェクトグリッドに動的物体をフィルタリングした統合処理により、環境のトップビュー表現がより正確かつ信頼性が高くなった。
• KITTIベンチマークにおいて、特に移動中の車両や歩行者周辺の自由空間領域を効果的に保持する点で、性能が向上した。
• 動きの流れとRANSACベースのセグメンテーションの統合により、一時的な動的物体が原因となるマップアーチファクトが低減された。