SDS++：面向自动驾驶的在线情境感知可行驶空间估计
机器人学
2024-06-05 v1
摘要
自动驾驶车辆（AV）需要准确且最新的环境表示以实现安全导航。传统方法通常依赖于离线构建的详细环境表示，在动态变化的环境中或处理过时地图时往往表现不佳。因此，迫切需要能够整合多样化数据源并适应当前情境的实时解决方案。解决这些挑战的一个现有框架是 SDS（情境感知可行驶空间）。然而，SDS 面临几个局限性，包括其使用非标准的输出表示、选择将对象编码为点从而限制了对车道等更复杂几何形状的表示，以及其方法仅通过仿真或经过大量后处理的数据进行了验证。这项工作在 SDS 的基础上构建并引入了 SDS++，旨在克服 SDS 的缺点同时保留其优势。SDS++ 不仅在仿真中进行了严格验证，还使用未经处理的车辆数据进行了验证，并与基于模型预测控制（MPC）的规划器集成以验证其在规划任务中的优势。结果表明，SDS++ 显著增强了轨迹规划能力，提高了对定位噪声的鲁棒性，并能够规划适应当前驾驶情境的轨迹。
引用
@article{arxiv.2406.01941,
title = {SDS++: Online Situation-Aware Drivable Space Estimation for Automated Driving},
author = {Manuel Muñoz Sánchez and Gijs Trots and Robin Smit and Pedro Vieira Oliveira and Emilia Silvas and Jos Elfring and René van de Molengraft},
journal= {arXiv preprint arXiv:2406.01941},
year = {2024}
}