通过基于YOLO的潜在动态物体移除来增强自动驾驶中的LiDAR映射.
Seonghark Jeong1, Heeseok Shin2, Myeong-Jun Kim3
1Propulsion Division, GM Korea Company, Incheon 21344, Republic of Korea.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究引入了使用YOLOv4来移除动态物体的增强型LiDAR绘图和定位系统,提高了GPS拒绝的城市地区的准确性. 视觉+LiDAR+NDT方法显著减少了定位错误,提高了自主导航的可靠性.
科学领域:
- 机器人技术和自主系统
- 计算机视觉 计算机视觉
- 传感器融合式传感器
背景情况:
- 全球定位系统 (GPS) 定位在城市环境中是不可靠的,因为信号阻塞.
- 现有的基于LiDAR的绘图方法与动态对象作斗争,导致精度降低.
- 像车辆这样的动态对象会降低同时定位和映射 (SLAM) 系统的性能.
研究的目的:
- 开发一个基于LiDAR的增强地图和定位系统.
- 在具有挑战性的城市环境中提高本地化准确性和稳定性.
- 解决GPS和现有的LiDAR细分方法在处理动态物体方面的局限性.
主要方法:
- 整合了YOLOv4 (你只看一次版本4) 对象检测与LiDAR数据的集成.
- 使用YOLOv4从传感器数据中检测和删除动态对象 (例如车辆).
- 使用增强的传感器数据与正常分布转换 (NDT) 进行地图匹配和定位.
主要成果:
- 观察到地图匹配和本地化性能的显著改善,特别是在城市环境中.
- 定位的根平均平方误差 (RMSE) 在开放地区从0.9870降至0.9724;在城市地区从1.3874降至1.1217.
- 与传统方法相比,Vision + LiDAR + NDT方法显示出更高的定位精度和可靠性.
结论:
- 拟议的系统有效地提高了在简单和复杂环境中的本地化性能.
- 通过去除动态物体,该系统提高了自主导航的准确性和稳定性.
- 这种独立于GPS的方法为交通繁忙的城市地区的自动驾驶汽车提供了可靠的解决方案.


