[论文解读] 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 7

一句话总结

本文提出了一种利用激光扫描仪的2D占用网格图（OGM）实现自动驾驶中静态自由空间检测的高效方法。该方法引入了一种增强的逆传感器模型，一种基于车辆在圆周上运动的网格图对齐技术以降低计算成本，并提出了一种“可视边缘”算法，将自由空间表示为固定顶点多边形，从而在减少内存使用的同时实现高精度的实时性能，且在真实世界测试中表现优异。

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.

研究动机与目标

• 利用激光扫描仪数据提升自动驾驶车辆的实时自由空间检测能力。
• 在占用网格图构建过程中降低计算开销和内存使用。
• 在复杂环境下提升可行驶区域建模的准确性。
• 实现适用于高级驾驶辅助系统（ADAS）的鲁棒、实时性能。
• 开发一种在环境复杂性变化时仍能保持一致自由空间表示的方法。

提出的方法

• 提出一种增强的逆传感器模型，以处理未反射的激光束，并提高射线投射到网格单元的精度。
• 提出的“车辆在圆周上进行网格图对齐”算法可在无需计算昂贵的亚像素旋转或平移操作的情况下实现精确的局部地图对齐。
• 提出一种新颖的“可视边缘”检测算法，将自由空间建模为具有固定顶点数的单一多边形，其表示方式与地图复杂度无关。
• 该方法将高分辨率激光数据高效集成到OGM中，提升了精度并降低了计算负载。
• 该方法利用OGM实现高效、实时的自由空间表示，适用于ADAS和防撞系统。
• 系统经过优化，内存消耗低，可实现更快的处理速度和实时部署。

实验结果

研究问题

• RQ1 如何从高分辨率激光扫描仪数据中更准确、更高效地构建占用网格图？
• RQ2 有哪些技术可降低局部地图对齐过程中的计算成本，同时不损失精度？
• RQ3 是否可以将自由空间表示为固定顶点数的多边形，而与环境复杂性无关？
• RQ4 所提出的方法如何提升自动驾驶系统中的实时性能和内存效率？
• RQ5 未反射的激光束对自由空间检测有何影响，以及如何进行补偿？

主要发现

• 增强的逆传感器模型能有效补偿未反射的激光束，从而提升OGM的准确性。
• 基于“车辆在圆周上进行网格图对齐”的方法通过避免亚像素旋转和位移操作，显著降低了计算成本。
• “可视边缘”算法成功地将自由空间建模为具有固定顶点数的单一多边形，简化了表示方式。
• 整体系统实现了低内存消耗的实时性能，适用于嵌入式ADAS应用。
• 真实世界实验验证了该方法在不同驾驶条件下准确检测静态自由空间的有效性。