論文の概要: Improving Perception via Sensor Placement: Designing Multi-LiDAR Systems
for Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2105.00373v1
- Date: Sun, 2 May 2021 01:52:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 05:09:53.659160
- Title: Improving Perception via Sensor Placement: Designing Multi-LiDAR Systems
for Autonomous Vehicles
- Title（参考訳）: センサ配置による知覚改善:自律走行車用マルチライダーシステムの設計
- Authors: Sharad Chitlangia, Zuxin Liu, Akhil Agnihotri, Ding Zhao
- Abstract要約: 確率的占有グリッド(POG)に基づく計算が容易な情報理論的サーロゲートコストメトリックを提案し、最大センシングのためのLiDAR配置を最適化する。
以上の結果から,センサ配置は3Dポイントクラウドによる物体検出において重要な要素であり,最先端の認識アルゴリズムでは10%の精度で性能が変動する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 16.45799795374353
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent years have witnessed an increasing interest in improving the
perception performance of LiDARs on autonomous vehicles. While most of the
existing works focus on developing novel model architectures to process point
cloud data, we study the problem from an optimal sensing perspective. To this
end, together with a fast evaluation function based on ray tracing within the
perception region of a LiDAR configuration, we propose an easy-to-compute
information-theoretic surrogate cost metric based on Probabilistic Occupancy
Grids (POG) to optimize LiDAR placement for maximal sensing. We show a
correlation between our surrogate function and common object detection
performance metrics. We demonstrate the efficacy of our approach by verifying
our results in a robust and reproducible data collection and extraction
framework based on the CARLA simulator. Our results confirm that sensor
placement is an important factor in 3D point cloud-based object detection and
could lead to a variation of performance by 10% ~ 20% on the state-of-the-art
perception algorithms. We believe that this is one of the first studies to use
LiDAR placement to improve the performance of perception.
- Abstract（参考訳）: 近年、自動運転車におけるLiDARの認識性能向上への関心が高まっている。
既存の研究のほとんどは、ポイントクラウドデータを処理するための新しいモデルアーキテクチャの開発に重点を置いているが、最適なセンシングの観点から問題を研究している。
この目的のために、LiDAR構成の知覚領域内におけるレイトレーシングに基づく高速な評価関数とともに、最大センシングのためのLiDAR配置を最適化するために、確率的占有グリッド(POG)に基づく簡易な情報理論サロゲートコストメトリックを提案する。
本稿では,サロゲート関数と共通物体検出性能指標との相関関係を示す。
本手法の有効性を,carlaシミュレータに基づくロバストで再現可能なデータ収集・抽出フレームワークを用いて検証することにより実証する。
以上の結果から,センサ配置は3次元点クラウドによる物体検出において重要な要素であり,最先端の認識アルゴリズムでは10%程度の性能変化が生じる可能性が示唆された。
我々は、LiDAR配置を用いて知覚のパフォーマンスを向上させる最初の研究の1つだと信じている。
関連論文リスト
- TLD-READY: Traffic Light Detection -- Relevance Estimation and Deployment Analysis [9.458657306918859]
効率的な交通信号検出は、自動運転車における知覚スタックの重要な構成要素である。
本研究は,先行研究の課題に対処しつつ,新たなディープラーニング検出システムを導入する。
本稿では,道路上の矢印マークを革新的に利用し,事前地図作成の必要性を解消する関連性推定システムを提案する。
論文 参考訳（メタデータ） (2024-09-11T14:12:44Z) - Study of Dropout in PointPillars with 3D Object Detection [0.0]
ディープラーニング技術を活用してLiDARデータを解釈する。
本研究では,ポイントピラーモデルの性能を様々なドロップアウト率で向上させる手法を提案する。
論文 参考訳（メタデータ） (2024-09-01T09:30:54Z) - 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。
学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
論文 参考訳（メタデータ） (2024-07-08T17:59:54Z) - Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。
結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。
この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
論文 参考訳（メタデータ） (2024-05-08T17:59:53Z) - ParisLuco3D: A high-quality target dataset for domain generalization of LiDAR perception [4.268591926288843]
本稿では,クロスドメイン評価に特化して設計された新しいデータセットParisLuco3Dを提案する。
LiDARセマンティックセグメンテーション、LiDARオブジェクト検出、LiDARトラッキングのためのオンラインベンチマークが提供されている。
論文 参考訳（メタデータ） (2023-10-25T10:45:38Z) - 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) - Improving LiDAR 3D Object Detection via Range-based Point Cloud Density
Optimization [13.727464375608765]
既存の3Dオブジェクト検出器は、遠くにある領域とは対照的に、LiDARセンサーに近い点雲領域でよく機能する傾向にある。
センサ近傍の高密度物体に対する検出モデルには学習バイアスがあり、異なる距離で入力点雲密度を操作するだけで検出性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2023-06-09T04:11:43Z) - Analyzing Infrastructure LiDAR Placement with Realistic LiDAR [14.163886343824064]
V2X(V2X)協調知覚は注目されている。
インフラセンサの最適配置を見つける方法はめったに研究されていない。
本稿では,インフラセンサの最適設置位置を効率よく,効果的に検出できるパイプラインを提案する。
論文 参考訳（メタデータ） (2022-11-29T07:18:32Z) - 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) - AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。
我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T16:54:38Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z)
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。