[論文レビュー] Static Free Space Detection with Laser Scanner using Occupancy Grid Maps

Hesham M. Eraqi, Jens Honer+1 more|arXiv (Cornell University)|Jan 2, 2018

Autonomous Vehicle Technology and Safety参考文献 23被引用数 7

ひとこと要約

本論文は、レーザースキャナからの2次元占有グリッドマップ（OGM）を用いた自律走行における静的フリー空間検出のための効率的な手法を提示する。拡張された逆センサモデル、計算コストを低減するための「車両が円上に位置するマップアライメント」技術、およびフリー空間を固定頂点数の多角形として表現する「インサイトエッジ」アルゴリズムを導入し、リアルタイム性能を達成するとともに、メモリ使用量を削減し、実世界のテストでも高い正確性を示した。

ABSTRACT

Drivable free space information is vital for autonomous vehicles that have to plan evasive maneuvers in real-time. In this paper, we present a new efficient method for environmental free space detection with laser scanner based on 2D occupancy grid maps (OGM) to be used for Advanced Driving Assistance Systems (ADAS) and Collision Avoidance Systems (CAS). Firstly, we introduce an enhanced inverse sensor model tailored for high-resolution laser scanners for building OGM. It compensates the unreflected beams and deals with the ray casting to grid cells accuracy and computational effort problems. Secondly, we introduce the 'vehicle on a circle for grid maps' map alignment algorithm that allows building more accurate local maps by avoiding the computationally expensive inaccurate operations of image sub-pixel shifting and rotation. The resulted grid map is more convenient for ADAS features than existing methods, as it allows using less memory sizes, and hence, results into a better real-time performance. Thirdly, we present an algorithm to detect what we call the 'in-sight edges'. These edges guarantee modeling the free space area with a single polygon of a fixed number of vertices regardless the driving situation and map complexity. The results from real world experiments show the effectiveness of our approach.

研究の動機と目的

• 自律走行車両におけるリアルタイムフリー空間検出を、レーザースキャナデータを用いて向上させること。
• 占有グリッドマップ構築における計算オーバーヘッドとメモリ使用量を低減すること。
• 複雑な環境下でもドライブ可能な領域のモデリング精度を向上させること。
• 先進運転支援システム（ADAS）に適した、堅牢でリアルタイムな性能を実現すること。
• 環境の複雑さに関係なく一貫したフリー空間表現を維持する手法を開発すること。

提案手法

• 未反射のレーザービームに対応し、グリッドセルへのレイキャスト精度を向上させるために、拡張された逆センサモデルを提案する。
• 計算コストの高いサブピクセル回転やシフト処理を回避することで、局所マップの正確なアライメントを実現する「OGM用車両が円上に位置する」アルゴリズム。
• マップの複雑さに依存せず、固定頂点数の多角形としてフリー空間をモデル化する画期的な「インサイトエッジ」検出アルゴリズム。
• 高分解能レーザーデータをOGMに統合し、精度を向上させるとともに、計算負荷を低減する。
• OGMを活用して、ADASおよび衝突回避システムに適した効率的でリアルタイムなフリー空間表現を実現する。
• 埋め込みADASアプリケーションに適した低メモリ消費量を最適化したシステム。

実験結果

リサーチクエスチョン

• RQ1 高分解能レーザースキャナデータから、より正確かつ効率的に占有グリッドマップを構築するにはどうすればよいか？
• RQ2 正確性を損なわず、局所マップアライメントにおける計算コストを低減する技術は何か？
• RQ3 環境の複雑さに関係なく、フリー空間を固定頂点数の多角形として表現できるか？
• RQ4 提案手法は自律走行システムにおけるリアルタイム性能とメモリ効率をどのように向上させるか？
• RQ5 未反射のレーザービームはフリー空間検出にどのような影響を及ぼし、どのように補正できるか？

主な発見

• 拡張された逆センサモデルは、未反射レーザービームに対して効果的に補正を実施し、OGMの正確性を向上させた。
• 「車両が円上に位置するマップアライメント」手法により、サブピクセル回転やシフト処理を回避することで、計算コストが著しく低減された。
• インサイトエッジアルゴリズムは、固定頂点数の多角形としてフリー空間を成功裏にモデル化し、表現を単純化した。
• 全体としてのシステムは、低メモリ使用量を実現し、リアルタイム性能を達成しており、埋め込みADASアプリケーションに適した。
• 実世界の実験により、変動する走行条件下でも静的フリー空間を正確に検出できることが確認された。