网络移动镜像：基于深度学习的路边激光雷达真实世界目标感知平台
计算机视觉与模式识别
2022-04-11 v2
摘要
目标感知在协同驾驶自动化(CDA)中起着基础性作用，CDA被视为下一代交通系统的革命性推动者。然而，车载感知可能受限于感知范围有限、遮挡以及联网渗透率低下。在本文中，我们提出网络移动镜像(CMM)，一种用于3D目标感知与重建的下一代实时交通监控系统，以探索路边传感器在真实世界中实现CDA的潜力。CMM系统由六个主要组件构成：1) 数据预处理器，用于获取并预处理原始数据；2) 路边3D目标检测器，用于生成3D检测结果；3) 多目标跟踪器，用于识别检测到的目标；4) 全局定位器，利用坐标变换将定位信息从LiDAR坐标系映射到地理坐标系；5) 基于云的通信器，用于将感知信息从路边传感器传输至装备车辆；6) 车载 advisor，通过图形用户界面(GUI)重建并显示实时交通状况。在本研究中，一个现场运行系统部署于美国加利福尼亚州河滨市大学大道与爱荷华大道处的真实交叉口，以评估我们CMM系统的可行性与性能。现场测试结果表明，我们的CMM原型系统可提供令人满意的感知性能，精确率96.99%，召回率83.62%。高保真实时交通状况（目标级）可地理定位，平均误差0.14m，并以3-4 Hz的频率显示在装备车辆的GUI上。
引用
@article{arxiv.2202.13505,
title = {Cyber Mobility Mirror: A Deep Learning-based Real-World Object Perception Platform Using Roadside LiDAR},
author = {Zhengwei Bai and Saswat Priyadarshi Nayak and Xuanpeng Zhao and Guoyuan Wu and Matthew J. Barth and Xuewei Qi and Yongkang Liu and Emrah Akin Sisbot and Kentaro Oguchi},
journal= {arXiv preprint arXiv:2202.13505},
year = {2022}
}