基于稀疏车载雷达输入的道路边界估计
机器人学
2023-09-18 v1
摘要
本文提出一种基于稀疏雷达信号检测道路边界的新方法。我们使用齐次模型对道路建模,并在已知雷达运动下推导其条件预测模型。利用该条件预测模型,并采用狄利克雷过程混合模型(DPMM)对雷达点建模,我们运用平均场变分推断(MFVI)推导无条件的道路边界模型分布。为给 MFVI 生成初始候选解,我们开发了一种定制的随机采样一致性(RANSAC)变体,以提出未见过的模型实例作为候选道路边界。对于每个雷达点云,我们交替执行 MFVI 与 RANSAC 提议步骤直至收敛,以生成所有候选模型的最佳估计。我们选取每侧距雷达横向距离最小的候选模型作为左右边界的估计。我们以 C++ 实现了所提算法。我们已对该算法进行测试,其显示出令人满意的结果。更具体地,平均车道边界估计误差不超过 11.0 cm。
引用
@article{arxiv.2309.08341,
title = {Road Boundary Estimation Using Sparse Automotive Radar Inputs},
author = {Aaron Kingery and Dezhen Song},
journal= {arXiv preprint arXiv:2309.08341},
year = {2023}
}
备注
10 pages, 7 figures