論文の概要: Simulating Road Spray Effects in Automotive Lidar Sensor Models

• arxiv url: http://arxiv.org/abs/2212.08558v1
• Date: Fri, 16 Dec 2022 16:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 16:34:27.034469
• Title: Simulating Road Spray Effects in Automotive Lidar Sensor Models
• Title（参考訳）: 自動車ライダーセンサモデルにおける道路噴霧効果のシミュレーション
• Authors: Clemens Linnhoff, Dominik Scheuble, Mario Bijelic, Lukas Elster, Philipp Rosenberger, Werner Ritter, Dengxin Dai and Hermann Winner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 22.047932516111732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling perception sensors is key for simulation based testing of automated driving functions. Beyond weather conditions themselves, sensors are also subjected to object dependent environmental influences like tire spray caused by vehicles moving on wet pavement. In this work, a novel modeling approach for spray in lidar data is introduced. The model conforms to the Open Simulation Interface (OSI) standard and is based on the formation of detection clusters within a spray plume. The detections are rendered with a simple custom ray casting algorithm without the need of a fluid dynamics simulation or physics engine. The model is subsequently used to generate training data for object detection algorithms. It is shown that the model helps to improve detection in real-world spray scenarios significantly. Furthermore, a systematic real-world data set is recorded and published for analysis, model calibration and validation of spray effects in active perception sensors. Experiments are conducted on a test track by driving over artificially watered pavement with varying vehicle speeds, vehicle types and levels of pavement wetness. All models and data of this work are available open source.
• Abstract（参考訳）: 自動運転機能のシミュレーションに基づくテストでは、知覚センサのモデリングが鍵となる。 天候だけでなく、センサーは濡れた舗装の上を移動する車によって引き起こされるタイヤスプレーのような、物体に依存する環境の影響も受ける。 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。 検出は流体力学シミュレーションや物理エンジンを必要とせずに、単純なカスタムレイキャストアルゴリズムでレンダリングされる。 その後、モデルはオブジェクト検出アルゴリズムのトレーニングデータを生成するために使用される。 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。 さらに、アクティブセンサにおける噴霧効果の分析、モデルキャリブレーション、検証のために、体系的な実世界データセットを記録、公開する。 実験は, 自動車の速度, 車両種別, 舗装湿潤度の異なる人工的な舗装を走行し, 試験軌道上で実施した。 この作業のすべてのモデルとデータはオープンソースである。

関連論文リスト

• Sensitivity analysis of AI-based algorithms for autonomous driving on optical wavefront aberrations induced by the windshield [4.542616945567623]
  本稿では,異なるフロントガラス構成に対する2つの知覚モデルの感度を評価することにより,領域シフト問題について検討する。 以上の結果から,ウィンドシールドが導入した性能差は十分でなく,既存の光学的計測値が十分でない可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-19T17:01:23Z)
• On Transferability of Driver Observation Models from Simulated to Real Environments in Autonomous Cars [23.514129229090987]
  本稿では,シミュレーションから実環境シナリオへの映像に基づく運転観察モデル移行の実現可能性について検討する。 我々は、実際の自律運転条件を特徴とするデータセットを記録し、高い注意をそらす二次活動に従事する7人の参加者を巻き込んだ。 我々のデータセットは、トレーニングソースとして使用されている既存の大規模シミュレータデータセットに従って設計されている。
  論文  参考訳（メタデータ） (2023-07-31T10:18:49Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• 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)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• 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)
• 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)
• A Sensitivity Analysis Approach for Evaluating a Radar Simulation for Virtual Testing of Autonomous Driving Functions [0.0]
  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。
  論文  参考訳（メタデータ） (2020-08-06T15:51:52Z)

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。