[論文レビュー] Real Time Lidar and Radar High-Level Fusion for Obstacle Detection and Tracking with evaluation on a ground truth

Hatem Hajri, Mohamed-Cherif Rahal|arXiv (Cornell University)|Jul 30, 2018

Autonomous Vehicle Technology and Safety被引用数 18

ひとこと要約

本稿では、自律走行車両における障害物検出および追跡のため、カルマンフィルタに基づくグローバルネアレストネイガーフィルタ（GNN）を用いたリアルタイムでハイレベルな統合アルゴリズムを提案する。RTKベースの真値と比較した結果、個々のセンサーと比較して相対位置および相対速度推定の平均二乗誤差（MSE）が低減され、特にセンサーの信号喪失や高速道路やカーブを走行するような困難な走行状況下でも、精度と耐障害性が向上していることが示された。

ABSTRACT

- Both Lidars and Radars are sensors for obstacle detection. While Lidars are very accurate on obstacles positions and less accurate on their velocities, Radars are more precise on obstacles velocities and less precise on their positions. Sensor fusion between Lidar and Radar aims at improving obstacle detection using advantages of the two sensors. The present paper proposes a real-time Lidar/Radar data fusion algorithm for obstacle detection and tracking based on the global nearest neighbour standard filter (GNN). This algorithm is implemented and embedded in an automative vehicle as a component generated by a real-time multisensor software. The benefits of data fusion comparing with the use of a single sensor are illustrated through several tracking scenarios (on a highway and on a bend) and using real-time kinematic sensors mounted on the ego and tracked vehicles as a ground truth.

研究の動機と目的

• 自律走行状況におけるLidar、Radar、およびその統合の間で、定量的かつ実世界の真値比較が不足している問題に対処すること。
• 障害物検出および追跡性能を向上させるために、LidarとRadarデータを統合するリアルタイムでハイレベルな統合アルゴリズムを開発すること。
• 正確なRTKセンサーを真値として用いて、センサーの利用不能状態における統合システムの精度と耐障害性を評価すること。
• 統合により、Lidarの位置精度とRadarの速度精度の両者の長所をバランスよく組み合わせた妥当な妥協を達成できることを実証すること。

提案手法

• オブジェクト検出をLidarとRadarから得たデータをトラックレベルで統合するグローバルネアレストネイガーフィルタ（GNN）を用いたハイレベル統合フレームワークを実装する。
• 両センサーからの測定値を用いて、状態（位置、速度）を予測・更新するカルマンフィルタベースの推定プロセスを適用する。
• 5台のIbeo LUX Lidar（25 Hz）と1台のIbeo ARS 308 Radar（15 Hz）が中央の統合ボックスにデータを供給する集中型統合アーキテクチャを採用する。
• CANバスオドメトリとRTKセンサーのデータ（位置精度0.02 m、速度精度0.02 m/s）を用いて、性能評価のための真値を生成する。
• RTKセンサーを搭載した2台の自動走行車両のデータを同期させ、車両追従実験における正確な相対状態推定を可能にする。
• 処理遅延が15マイクロ秒未満であるリアルタイム実装を採用し、組み込み自動車システムへの適性を確保する。

実験結果

リサーチクエスチョン

• RQ1 相対位置および相対速度推定における平均二乗誤差（MSE）の観点から、LidarとRadarの統合データは個々のセンサー性能と比べてどの程度優れているか？
• RQ2 センサーの利用不能または信号喪失が生じる状況下で、統合アルゴリズムは追跡の耐障害性をどの程度向上させるか？
• RQ3 実世界の高速道路およびカーブ走行状況下で、統合出力はRTKベースの真値とどの程度一致するか？
• RQ4 統合手法により、Lidarの高い位置精度とRadarの優れた速度推定精度の両者をバランスよく組み合わせられるか？
• RQ5 生のLidarおよびRadar測定値と比較して、統合された状態推定の時間的滑らかさと信頼性はどの程度か？

主な発見

• 高速道路走行時、統合手法は相対x位置のMSEを0.39 mに低減し、Lidar（0.55 m）を上回り、Radarの0.33 mに近づいた。y位置のMSEもLidarの0.16 mとRadarの0.43 mを下回り、0.21 mにまで低下した。
• 高速道路走行時の速度推定において、統合によりvxのMSEが0.19 m/s（Lidar：0.28 m/s、Radar：0.15 m/s）に低下し、vyのMSEも0.27 m/s（Lidar：0.31 m/s、Radar：0.25 m/s）にまで低下した。両センサーの長所をバランスよく組み合わせた改善が確認された。
• カーブ走行時、統合によりx位置のMSEが0.65 m（Radar：0.8 m、Lidar：0.61 m）に低下し、y位置のMSEも0.19 m（Radar：0.5 m、Lidar：0.15 m）にまで低下した。横方向の精度向上が一貫して確認された。
• 統合出力は、Lidarが急激なジャンプと区分的定常性を示すのに対し、Radarは複数回の検出喪失を示す中で、vxおよびvyの時間的経路が著しく滑らかであった。
• 統合は優れた耐障害性を示した。LidarおよびRadarの両方の利用不能時でも、安定した追跡を維持した。一方、個々のセンサーは完全な追跡喪失に陥りやすかった。
• 高速道路走行時、Radarのx位置推定精度（MSE 0.33 m）がLidar（0.55 m）を上回った。これは先行研究でも確認されており、統合設計においてセンサー固有の特性を考慮することが重要であることを示している。