[论文解读] A LiDAR-based real-time capable 3D Perception System for Automated Driving in Urban Domains

Jens Rieken, Markus Maurer|arXiv (Cornell University)|May 7, 2020

Video Surveillance and Tracking Methods参考文献 64被引用 6

一句话总结

本文提出了一种用于城市环境中自动驾驶的实时激光雷达三维感知系统，通过自适应地面估计、三维聚类和运动分类，同时建模静态与动态要素。该系统在非平坦地形和复杂城市场景中表现出鲁棒性能，对象跟踪能力增强，可应对遮挡和视角变化，在TUBS数据集上验证了其实时性能。

ABSTRACT

We present a LiDAR-based and real-time capable 3D perception system for automated driving in urban domains. The hierarchical system design is able to model stationary and movable parts of the environment simultaneously and under real-time conditions. Our approach extends the state of the art by innovative in-detail enhancements for perceiving road users and drivable corridors even in case of non-flat ground surfaces and overhanging or protruding elements. We describe a runtime-efficient pointcloud processing pipeline, consisting of adaptive ground surface estimation, 3D clustering and motion classification stages. Based on the pipeline's output, the stationary environment is represented in a multi-feature mapping and fusion approach. Movable elements are represented in an object tracking system capable of using multiple reference points to account for viewpoint changes. We further enhance the tracking system by explicit consideration of occlusion and ambiguity cases. Our system is evaluated using a subset of the TUBS Road User Dataset. We enhance common performance metrics by considering application-driven aspects of real-world traffic scenarios. The perception system shows impressive results and is able to cope with the addressed scenarios while still preserving real-time capability.

研究动机与目标

• 开发一种适用于复杂城市环境的实时三维感知系统，用于自动驾驶。
• 在实时约束下，同时对静态和可移动的环境组件进行建模。
• 提升在非平坦地面表面、悬垂植被和突出障碍物上的感知鲁棒性。
• 通过考虑视角变化和遮挡/模糊情况，提升对象跟踪性能。
• 使用面向应用的指标在真实城市场景中评估系统性能。

提出的方法

• 系统采用自适应地面表面估计算法，以应对非平坦地形和多变道路状况。
• 采用分层处理流程，结合三维聚类与运动分类，实现高效的点云处理。
• 通过多特征映射与融合方法，以增强空间细节表示静态环境。
• 采用多参考点系统对可移动物体进行跟踪，以在视角变化时保持精度。
• 跟踪系统显式建模遮挡与模糊情况，以提升在密集城市交通中的可靠性。
• 整个处理流程针对运行时效率进行了优化，确保在高分辨率激光雷达数据上实现实时性能。

实验结果

研究问题

• RQ1 如何在准确建模复杂城市环境的同时，使基于激光雷达的三维感知系统保持实时性能？
• RQ2 自适应地面估计在非平坦或不规则路面表面的感知中能提升多少性能？
• RQ3 多参考点跟踪如何提升在视角变化下的对象跟踪鲁棒性？
• RQ4 遮挡与模糊处理如何提升在密集城市交通中的跟踪可靠性？
• RQ5 面向应用的性能指标是否能比标准基准更好地反映真实自动驾驶中的挑战？

主要发现

• 该感知系统在HD-L64E传感器的高分辨率激光雷达数据上实现了实时性能，适用于闭环驾驶应用。
• 自适应地面估计能够准确建模非平坦和不规则的路面，提升检测可靠性。
• 多参考点跟踪系统显著减少了跟踪漂移，并在视角变化时提升了对象持久性。
• 显式建模遮挡与模糊情况，使在复杂城市场景中的对象跟踪更加稳定和准确。
• 面向应用的评估指标揭示了在复杂场景（如悬垂植被和突出障碍物）中性能的提升。
• 该系统在TUBS道路使用者数据集上表现出鲁棒性与可扩展性，证实其适用于真实世界的城市自动驾驶。