用于交通危险度估计与碰撞规避的并行多假设算法
分布式、并行与集群计算
2020-05-15 v1 机器人学
摘要
由于当前自动驾驶与车辆主动安全的发展，对能够实时进行复杂危险度预测的算法需求日益增长。能够处理多目标交通场景有助于实现多种汽车应用，例如用于碰撞预防与缓解的驾驶辅助系统以及自动驾驶车辆的 fallback 系统。我们提出了一种具有可并行化架构的完全基于模型的算法。该算法通过模拟数百万条轨迹组合并检测物体间碰撞，可评估复杂的多模态（车辆与行人）交通场景的危险度。该算法能够在极早阶段估计即将发生的危险度，展示了其在车辆安全系统与自动驾驶应用中的潜力。在测试车辆的嵌入式系统上的实现以原型方式证明了该算法与现代汽车硬件能力的兼容性。对于一个包含11个动态物体的复杂交通场景，在 Drive PX~2 的 GPU 上于 21 ms 内评估了超过 8600 万种位姿组合。
引用
@article{arxiv.2005.06773,
title = {Parallel Multi-Hypothesis Algorithm for Criticality Estimation in Traffic and Collision Avoidance},
author = {Eduardo Sánchez Morales and Richard Membarth and Andreas Gaull and Philipp Slusallek and Tobias Dirndorfer and Alexander Kammenhuber and Christoph Lauer and Michael Botsch},
journal= {arXiv preprint arXiv:2005.06773},
year = {2020}
}