CurbScan：基于多传感器融合的路缘检测与跟踪
计算机视觉与模式识别
2020-10-14 v2 人工智能
机器人学
信号处理
摘要
可靠的车辙（路缘）检测对于城市环境下的安全自动驾驶至关重要。路缘检测与跟踪在车辆定位与路径规划中也十分有用。以往工作利用 3D LiDAR 传感器来确定精确的距离信息及路缘的几何属性。然而，此类方法需要密集点云数据，并且容易受到来自道路与越野区域中障碍物的误报影响。本文中，我们提出一种通过融合多传感器数据来检测与跟踪路缘的方法：稀疏 LiDAR 数据、单目相机与低成本超声波传感器。检测算法基于单个 3D LiDAR 与单目相机传感器，用于检测候选路缘特征，并能有效去除周围静态与移动障碍物引起的误报。跟踪算法的检测精度通过使用基于 Kalman 滤波的预测以及与来自低成本超声波传感器的横向距离信息融合而提升。我们随后提出一种直线拟合算法，可得出鲁棒的路缘位置结果。最后，我们通过在多种道路环境中测试并在真实车辆中评估我们的实现，证明了方案的实用可行性\footnote{展示我们算法的演示视频片段已上传至 Youtube: https://www.youtube.com/watch?v=w5MwsdWhcy4, https://www.youtube.com/watch?v=Gd506RklfG8.}。我们的算法在 KITTI 数据集与我们的数据集上分别于 4.5-22 米和 0-14 米范围内保持超过 90\% 的精度，其在 Intel i7 x86 上每帧平均处理时间约为 10 ms，在 NVIDIA Xavier 板上约为 100 ms。
引用
@article{arxiv.2010.04837,
title = {CurbScan: Curb Detection and Tracking Using Multi-Sensor Fusion},
author = {Iljoo Baek and Tzu-Chieh Tai and Manoj Bhat and Karun Ellango and Tarang Shah and Kamal Fuseini and Ragunathan and Rajkumar},
journal= {arXiv preprint arXiv:2010.04837},
year = {2020}
}
备注
Accepted to IEEE ITSC-2020 conference