論文の概要: A Sensitivity Analysis Approach for Evaluating a Radar Simulation for
Virtual Testing of Autonomous Driving Functions
- arxiv url: http://arxiv.org/abs/2008.02725v4
- Date: Mon, 12 Oct 2020 09:02:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 08:05:38.198247
- Title: A Sensitivity Analysis Approach for Evaluating a Radar Simulation for
Virtual Testing of Autonomous Driving Functions
- Title（参考訳）: 自律運転機能の仮想テストのためのレーダシミュレーション評価のための感度解析手法
- Authors: Anthony Ngo, Max Paul Bauer, Michael Resch
- Abstract要約: レーダシミュレーションの開発と評価のための感度解析手法を提案する。
モジュラーレーダシステムのシミュレーションを提示・パラメータ化して感度解析を行う。
レーダモデルの出力と実走行の測定値を比較して,現実的なモデルの挙動を確かめる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulation-based testing is a promising approach to significantly reduce the
validation effort of automated driving functions. Realistic models of
environment perception sensors such as camera, radar and lidar play a key role
in this testing strategy. A generally accepted method to validate these sensor
models does not yet exist. Particularly radar has traditionally been one of the
most difficult sensors to model. Although promising as an alternative to real
test drives, virtual tests are time-consuming due to the fact that they
simulate the entire radar system in detail, using computation-intensive
simulation techniques to approximate the propagation of electromagnetic waves.
In this paper, we introduce a sensitivity analysis approach for developing and
evaluating a radar simulation, with the objective to identify the parameters
with the greatest impact regarding the system under test. A modular radar
system simulation is presented and parameterized to conduct a sensitivity
analysis in order to evaluate a spatial clustering algorithm as the system
under test, while comparing the output from the radar model to real driving
measurements to ensure a realistic model behavior. The presented approach is
evaluated and it is demonstrated that with this approach results from different
situations can be traced back to the contribution of the individual sub-modules
of the radar simulation.
- Abstract（参考訳）: シミュレーションベースのテストは、自動運転機能の検証労力を大幅に削減するための有望なアプローチである。
カメラ、レーダー、ライダーのような環境認識センサーの現実的なモデルは、このテスト戦略において重要な役割を果たす。
これらのセンサーモデルを検証する一般的な方法はまだ存在しない。
特にレーダーは伝統的に最もモデル化が難しいセンサーの1つである。
実際のテストドライブに代わるものとしては期待できるが、電磁波の伝播を近似するために計算集約シミュレーション技術を用いてレーダーシステム全体を詳細にシミュレートするため、仮想テストは時間がかかる。
本稿では,レーダーシミュレーションの開発と評価のための感度解析手法を提案する。
実験中のシステムとして空間クラスタリングアルゴリズムを評価するための感度解析を行うために,モジュール型レーダシステムシミュレーションを提示・パラメータ化するとともに,レーダモデルからの出力と実走行特性を比較し,現実的なモデル挙動を確保する。
提案手法の評価を行い, 異なる状況から得られた結果が, レーダシミュレーションの個々のサブモジュールの寄与に遡ることができることを示した。
関連論文リスト
- Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Reinforcement Learning with Human Feedback for Realistic Traffic
Simulation [53.85002640149283]
効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。
本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
論文 参考訳（メタデータ） (2023-09-01T19:29:53Z) - Perception Imitation: Towards Synthesis-free Simulator for Autonomous
Vehicles [45.27200446670184]
本研究では,ある知覚モデルの結果をシミュレートする知覚模倣手法を提案し,データ合成を伴わない自律走行シミュレータの新たな経路について議論する。
実験により,本手法は学習に基づく知覚モデルの振る舞いをモデル化する上で有効であることが示され,提案手法のシミュレーション経路にさらにスムーズに適用可能である。
論文 参考訳（メタデータ） (2023-04-19T01:27:02Z) - Simulating Road Spray Effects in Automotive Lidar Sensor Models [22.047932516111732]
本研究では,ライダーデータに噴霧する新しいモデリング手法を提案する。
このモデルはOpen Simulation Interface (OSI)標準に準拠しており、噴霧管内の検出クラスターの形成に基づいている。
このモデルにより,実世界の噴霧シナリオの検出が大幅に改善できることが示されている。
論文 参考訳（メタデータ） (2022-12-16T16:25:36Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - A Multi-Layered Approach for Measuring the Simulation-to-Reality Gap of
Radar Perception for Autonomous Driving [0.0]
仮想テストに頼るためには、採用されているセンサーモデルを検証する必要がある。
レーダ知覚のこのシミュレーションと現実のギャップを測定するための音響手法は存在しない。
提案手法の有効性を,詳細なセンサモデルによる評価により検証した。
論文 参考訳（メタデータ） (2021-06-15T18:51:39Z) - Deep Evaluation Metric: Learning to Evaluate Simulated Radar Point
Clouds for Virtual Testing of Autonomous Driving [0.0]
仮想テストのための環境センサモデルの使用は、自動運転のテスト労力を減らすための有望なアプローチです。
本研究では,ニューラルネットワークを訓練し,実際のレーダセンサデータとシミュレートしたレーダセンサデータを区別する。
本稿では,合成レーダデータの忠実度を決定する指標として,実レーダ点雲のクラスに対する分類器の信頼性スコアを提案する。
論文 参考訳（メタデータ） (2021-04-14T11:04:50Z) - Deep Interference Mitigation and Denoising of Real-World FMCW Radar
Signals [16.748215232763517]
実世界レーダ計測における干渉緩和のための畳み込みニューラルネットワーク(CNN)に基づくアプローチの評価を行った。
実測値と模擬干渉を組み合わせることで,モデルの学習に適した入力出力データを生成する。
論文 参考訳（メタデータ） (2020-12-04T11:22:13Z) - There and Back Again: Learning to Simulate Radar Data for Real-World
Applications [21.995474023869388]
我々は、シミュレーションされた標高マップに基づいて忠実なレーダー観測を合成できるレーダセンサモデルを学ぶ。
我々は、不整合レーダの例から前方センサーモデルを学ぶための敵対的アプローチを採用する。
実環境におけるシミュレーションデータに基づいて純粋に訓練された下流セグメンテーションモデルを評価することにより,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2020-11-29T15:49:23Z) - Testing the Safety of Self-driving Vehicles by Simulating Perception and
Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。
我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文 参考訳（メタデータ） (2020-08-13T17:20:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。