在互联自动驾驶车辆网络中利用动态目标校正相对定位
机器人学
2022-05-31 v2
摘要
高精度的定位对于自动驾驶的安全性和可靠性至关重要，特别是对于集体感知的信息融合——其旨在通过互联自动驾驶车辆（CAV）通信网络共享信息来进一步提升道路安全。在此场景下，微小的定位误差会给融合来自不同 CAV 的信息带来额外困难。本文提出一种基于 RANSAC（RANdom SAmple Consensus，随机抽样一致）的方法来校正两辆 CAV 之间的相对定位误差，以缓解 CAV 间的信息融合难度。与以往仅考虑静态环境信息的基于 LiDAR 的定位算法不同，得益于 CAV 间的实时数据共享，本方法同时利用动态目标进行定位。具体而言，除杆、栅栏和立面等静态目标外，检测到的动态车辆的目标中心也用作两点集匹配的关键点。在合成数据集 COMAP 上的实验表明，只要存在足够多的车辆且杆被两辆 CAV 正确检测，所提方法能将两 CAV 间的相对定位误差大幅降低至 20 cm 以内。此外，我们所提方法在运行时间上亦高效，可用于自动驾驶的实时场景。
引用
@article{arxiv.2205.09418,
title = {Leveraging Dynamic Objects for Relative Localization Correction in a Connected Autonomous Vehicle Network},
author = {Yunshuang Yuan and Monika Sester},
journal= {arXiv preprint arXiv:2205.09418},
year = {2022}
}
备注
ISPRS congress 2022