FuzzRisk：基于深度感知目标检测的自动驾驶车辆在线碰撞风险估计方法
机器人学
2025-02-20 v2 人工智能
计算机视觉与模式识别
摘要
本文提出了一种新颖的监控框架，通过推断自动驾驶车辆（AV）的目标检测性能来推断其碰撞风险等级。该框架基于模糊推理将不同算法预测结果之间的不一致性与碰撞风险关联。首先组合并从深度图中检索安全关键2.5D目标获得预测结果，第二组则来自常规AV的3D目标检测器。我们通过实验验证，基于交并比（IoU）和深度差异度量，预测结果之间的不一致性与3D目标检测器相对于真实标注的误差强烈相关。这种相关性使我们能够构建模糊推理系统，将不一致性度量映射到AV碰撞风险指示器。我们针对已匹配AV碰撞率的离线指标优化模糊推理系统。最后，我们在大规模nuScenes数据集上验证了该监控器能够产生有效风险估计的能力，并在闭环仿真中演示其可用于保护AV。
引用
@article{arxiv.2411.08060,
title = {FuzzRisk: Online Collision Risk Estimation for Autonomous Vehicles based on Depth-Aware Object Detection via Fuzzy Inference},
author = {Brian Hsuan-Cheng Liao and Yingjie Xu and Chih-Hong Cheng and Hasan Esen and Alois Knoll},
journal= {arXiv preprint arXiv:2411.08060},
year = {2025}
}
备注
Accepted by ICRA 2025, 7 pages (IEEE double column format), 5 figures, 3 tables