[論文レビュー] Mcity Data Collection for Automated Vehicles Study

Yiqun Dong, Yuanxin Zhong+6 more|arXiv (Cornell University)|Dec 12, 2019

Autonomous Vehicle Technology and Safety参考文献 32被引用数 13

ひとこと要約

本論文は、Mcityテスト施設におけるオープンロードでの自然的走行および都市部の計画的シナリオ走行の両方を対象として、カメラ、ライダー、レーダー、RTK、車両制御、インカムカメラを含むマルチセンサー・データの包括的でオープンソースのデータセット、Mcityデータセットを提示する。主な貢献は、多様な照明、天候、道路状態、走行行動（法令順守行動および法令違反行動を含む）を備えた、ユニークに包括的でシナリオ別に整理されたデータセットであり、自動運転車両の周辺環境認識および制御システムの強固な訓練と評価を可能にする。

ABSTRACT

The main goal of this paper is to introduce the data collection effort at Mcity targeting automated vehicle development. We captured a comprehensive set of data from a set of perception sensors (Lidars, Radars, Cameras) as well as vehicle steering/brake/throttle inputs and an RTK unit. Two in-cabin cameras record the human driver's behaviors for possible future use. The naturalistic driving on selected open roads is recorded at different time of day and weather conditions. We also perform designed choreography data collection inside the Mcity test facility focusing on vehicle to vehicle, and vehicle to vulnerable road user interactions which is quite unique among existing open-source datasets. The vehicle platform, data content, tags/labels, and selected analysis results are shown in this paper.

研究の動機と目的

• 自動運転車両の主なセンサー種別（カメラ、ライダー、レーダー）を網羅し、一貫したラベル付けと多様な環境条件を備えた包括的でオープンソースのデータセットが不足しているという問題に対処すること。
• 交差点における複雑な相互作用に注目した、安全に制御された計画的で意図的なシナリオを用いて、自然走行に加え、データ収集を実施することで、自動運転車両の開発を向上させること。
• ルール違反行動や悪化した天候・照明状態を含む、困難な走行行動をカバーする包括的でラベル付け済みのデータセットを提供することで、データ駆動型の認識および制御研究を可能にすること。
• 左折、合流、高速道路の出入りなど、明確に区別された走行シナリオ（例：左折、レーン変更）にデータを整理することで、自動運転車両システムのシナリオベース評価を支援すること。
• 照明、天候、道路状態、画像品質、走行行動の詳細なアノテーションを追加することで、データセットの有用性を向上させること

提案手法

• 32ビームのVelodyneライダー、Ibeoライダー、複数のカメラ、レーダー、RTK GNSSを含む包括的なセンサーセットと、ステアリング、ブレーキ、アクセル制御を含む車両制御センサーをテスト車両に搭載した。
• 時間帯、天候（雨、雪、霧を含む）、照明（昼間／夜間）の変動に応じた固定されたオープンロードルートでの自然的走行データを収集した。
• Mcityテスト施設内において、交差点での車両同士、車両と歩行者、車両と自転車の相互作用に焦点を当てた計画的走行シナリオを実施した。
• 通常の（丁寧で法令順守の）行動と、異常な（攻撃的で法令違反の）行動を含むようにシナリオを設計し、エッジ・ケースを捉えることを目的とした。
• 走行シナリオ（例：左折、レーン変更）、照明、天候、道路表面状態、画像品質、道路種別について、詳細なデータタグ付けを実施した。
• 行動予測および制御システムの訓練と評価を支援するため、シナリオ別にデータをセグメント化した。

実験結果

リサーチクエスチョン

• RQ1 多様な現実世界の条件下で、自動運転車両の認識および制御を強固にするために、包括的でマルチセンサーのデータセットをどのように収集できるか？
• RQ2 自然的走行データのみと比較して、計画的でシナリオベースのデータを含めることで、自動運転車両システムの評価はどの程度向上するか？
• RQ3 実際の走行シナリオにおいて、環境条件が変化する中で、異なるセンサー種別（例：32ビームライダー対4ビームライダー）はどのように性能を発揮するか？
• RQ4 詳細なシナリオベースのデータ構造化は、データ駆動型AV認識モデルの訓練および評価をどのように改善できるか？
• RQ5 悪化した条件（例：照明不良、霧、雪、レンズの結露）は認識システムの性能にどのような影響を及ぼし、それらを体系的に収集・ラベル付けするにはどうすればよいか？

主な発見

• Mcityデータセットには、50時間の自然的走行データと、多様な照明、天候、交通状況下での3,000マイル分のデータが含まれており、カメラ、ライダー、レーダー、車両制御を含む完全なセンサーカバーが実現されている。
• 本データセットは、自然的走行と計画的走行の両方を独自に含んでおり、特に保護なしの左折や譲り行動を含む複雑な都市部の相互作用に焦点を当てている。
• データは7つの明確に区別された走行シナリオ（左折、右折、左レーン変更、右レーン変更、合流、高速道路の出口、レーン維持）に体系的に整理されており、シナリオ別分析を可能にしている。
• 照明（昼間／夜間）、天候（快晴、雨天、雪天、霧天）、道路表面状態（積雪、路面劣化など）、画像品質（レンズの結露、ぼやけなど）の詳細なアノテーションが含まれている。
• 譲らないままの危険な左折などの法令違反行動が含まれており、非順守行動を検出・対応できるシステムの訓練に不可欠なデータを提供している。
• 本データセットは、カメラ、ライダー、レーダーの3つの主要なAVセンサー種別、完全な車両制御信号、包括的なシナリオベースラベル付けを組み合わせた、唯一のオープンソースのデータセットである。