自動運転車における照明適応型マルチモーダル道路認識

科学分野:

• 自動運転システム
• コンピュータビジョンとセンサーフュージョン
• 交通のための人工知能

背景:

• 自動運転の知覚は、低照度（雨、霧、夜間）で低下します。
• 既存のマルチモーダル融合手法は静的であり、照明の変化に対応するのが困難です。
• 安全な自動運転ナビゲーションには、堅牢な道路通行可能性評価が不可欠です。

研究 の 目的:

• 自動運転のための照明適応型マルチモーダル知覚フレームワークを開発すること。
• 悪条件下での知覚の堅牢性を向上させること。
• 安全クリティカル領域の認識と道路通行可能性評価を改善すること。

主な方法:

• 照明適応型マルチモーダル知覚フレームワークであるSafeDrive-Fusionを提案しました。
• 安全クリティカル領域の優先順位付けによる動的なクロスモーダル注意機構を実装しました。
• 視覚データとレーダーデータを動的に統合するための適応型重み付けメカニズムを導入しました。

主要な成果:

• 極低照度条件下（6.1%の低下）で87.5%の精度を維持しました。
• 危険な状況認識において0.82のF1スコアを達成しました（ベースラインより0.40高い）。
• 照明が低下するにつれてレーダーの重みを25%から62%に増加させる、動的なモーダル重み調整を示しました。

結論:

• SafeDrive-Fusionは、低照度環境における自動運転知覚を大幅に改善します。
• 適応型融合と優先順位付けフレームワークは、安全性と信頼性を向上させます。
• このシステムは、45ミリ秒の遅延でリアルタイム要件を満たします。