量化极端降水下自动驾驶车辆可见性的重要性
机器人学
2022-09-08 v1
摘要
在自动驾驶背景下，车辆必然会在更极端的天气中行驶，此时必须保障公共安全。随着气候快速变化，暴雪频率预计会增加，并成为安全导航的主要威胁。尽管大量文献旨在提升冬季条件下的导航韧性，但仍缺乏量化与降水相关的激光雷达传感器可见性损失的标准度量。本章提出一种依赖气象研究领域可见性概念的新度量，用于实时量化激光雷达可见性损失。我们在 Canadian Adverse Driving Conditions (CADC) 数据集上评估该度量，将其与最先进的基于激光雷达的定位算法性能相关联，并评估在定位过程前对点云进行滤波的益处。我们表明 Iterative Closest Point (ICP) 算法对降雪具有令人惊讶的鲁棒性，但阵雪等突发事件会极大损害其精度。我们讨论了此类事件，并论证了需要更好的聚焦于这些极端事件的数据集以量化其影响。
引用
@article{arxiv.2209.03226,
title = {On the Importance of Quantifying Visibility for Autonomous Vehicles under Extreme Precipitation},
author = {Clément Courcelle and Dominic Baril and François Pomerleau and Johann Laconte},
journal= {arXiv preprint arXiv:2209.03226},
year = {2022}
}
备注
Submitted to Intelligent Vehicles and Transportation Volume 3 - De Gruyter