风险占用率：通过车-路-云协作的新高效范式
机器人学
2024-08-20 v2
摘要
本研究在车-路-云架构中引入了 4D 风险占用率，整合了路面空间、风险和时序维度，并使算法具备超越视距、全角度和高效的能力。该算法通过聚焦可直接观测信息和关键因素来简化风险建模，借鉴占用栅格地图 (OGM) 的概念，并融入时序预测以有效映射当前和未来的风险占用率。与传统的驾驶风险场和栅格占用地图相比，该算法能更高效、简洁、可靠地映射全局风险。它可以整合未来风险信息，适应动态交通环境。4D 风险占用率还统一了 BEV 检测和车道线检测结果的表达，增强了环境感知的直观性和统一性。本文使用 DAIR-V2X 数据验证了 4D 风险占用率算法，并基于它开发了局部路径规划模型。在各种道路条件下的定性实验证明了该局部路径规划模型的实用性和鲁棒性。定量分析表明，基于风险占用的路径规划显著提升了轨迹规划性能，在初始制动速度为 8 m/s 时将安全性冗余提高了 12.5%，将平均减速度降低了 5.41%，从而提高了安全性和舒适性。本工作通过车-路-云架构提供了一种新的全局感知方法和局部路径规划方法，为实现更安全、更高效的自动驾驶提供了新的感知范式。
引用
@article{arxiv.2408.07367,
title = {Risk Occupancy: A New and Efficient Paradigm through Vehicle-Road-Cloud Collaboration},
author = {Jiaxing Chen and Wei Zhong and Bolin Gao and Yifei Liu and Hengduo Zou and Jiaxi Liu and Yanbo Lu and Jin Huang and Zhihua Zhong},
journal= {arXiv preprint arXiv:2408.07367},
year = {2024}
}
备注
13 pages,9 figures