[论文解读] Fault-Tolerant Perception for Automated Driving A Lightweight Monitoring Approach

Cornelius Buerkle, Florian Geißler+2 more|arXiv (Cornell University)|Nov 24, 2021

Autonomous Vehicle Technology and Safety参考文献 19被引用 4

一句话总结

本文提出了一种轻量级、容错的自动驾驶感知监控系统，结合基于激光雷达的传感器检测与物体轨迹运动合理性检查，以检测关键的位置和速度误差。该方法在位置误差超过0.7米或瞬态速度误差超过2米/秒时，实现了超过90%的精确率与召回率，且在符合ASIL标准的硬件上延迟极低（传感器检测17毫秒，合理性检查12毫秒）。

ABSTRACT

While the most visible part of the safety verification process of automated vehicles concerns the planning and control system, it is often overlooked that safety of the latter crucially depends on the fault-tolerance of the preceding environment perception. Modern perception systems feature complex and often machine-learning-based components with various failure modes that can jeopardize the overall safety. At the same time, a verification by for example redundant execution is not always feasible due to resource constraints. In this paper, we address the need for feasible and efficient perception monitors and propose a lightweight approach that helps to protect the integrity of the perception system while keeping the additional compute overhead minimal. In contrast to existing solutions, the monitor is realized by a well-balanced combination of sensor checks -- here using LiDAR information -- and plausibility checks on the object motion history. It is designed to detect relevant errors in the distance and velocity of objects in the environment of the automated vehicle. In conjunction with an appropriate planning system, such a monitor can help to make safe automated driving feasible.

研究动机与目标

• 为解决自动驾驶车辆在资源受限条件下容错感知监控的关键空白问题。
• 开发一种低计算量、轻量级的监控解决方案，确保感知完整性，而无需依赖冗余或高成本系统。
• 结合基于传感器的检查（激光雷达）与基于物理模型的运动历史合理性检查，实现稳健的错误检测。
• 在符合安全认证的硬件（如英特尔凌动CPU）上验证可行性，实现低延迟，适用于实时部署。
• 通过提供可靠的感知错误检测，实现与规划监控系统（如RSS）的集成。

提出的方法

• 监控系统使用高置信度激光雷达源，构建静态占用网格，用于实时验证物体位置与二维形状。
• 传感器检查通过将激光雷达数据与主感知输出交叉比对，验证物体位置与形状。
• 合理性检查应用物理运动模型，检测不合理的物体动态，如路径不连续、极端加速度或不切实际的速度。
• 系统结合两种检查方法，以检测传感器故障（如位置错误）和系统级错误（如速度估计错误）。
• 该架构设计计算开销极小，采用简单高效的算法，适用于安全认证处理器上的单核执行。
• 该方法具有通用性，可与任何主感知系统及规划模块兼容，包括基于RSS的监管系统。

实验结果

研究问题

• RQ1 轻量级感知监控系统能否在计算资源极少的情况下，以高精确率与高召回率检测出物体位置与速度中的安全关键错误？
• RQ2 基于激光雷达的传感器检查与运动合理性检查相结合，在检测传感器与系统级故障方面的有效性如何？
• RQ3 所提出的监控系统能否在符合ASIL标准的硬件上高效执行，实现适合自动驾驶实时系统的低延迟？
• RQ4 与现有基于冗余或占用网格的监控方法相比，该方法在检测准确率与计算成本之间的权衡如何？
• RQ5 当与RSS等规划监控系统集成时，该监控系统在多大程度上提升了整体系统的安全性？

主要发现

• 该监控系统在检测永久性位置误差超过0.7米，或瞬态速度误差超过2米/秒时，精确率与召回率均超过90%。
• 对于永久性速度误差，当偏差超过6米/秒时，检测性能超过90%，足以满足安全关键场景需求。
• 在英特尔凌动CPU（符合ASIL标准）上，传感器检查平均耗时17毫秒，合理性检查耗时12毫秒，证明其适用于实时运行。
• 与依赖动态占用网格的先前工作相比，该方法显著降低了计算开销，后者在高端硬件上仍需超过100毫秒。
• 通过结合传感器与模型驱动的验证，该方法有效检测了常见原因导致的传感器故障与SOTIF相关错误。
• 该实现具备可扩展性，与现有感知与规划堆栈兼容，包括基于RSS的安全监管系统。