计算机科学>机器人
标题: 利用动态对象在互联自主车辆网络中进行相对定位校正
摘要: 高精度定位对于自动驾驶的安全性和可靠性至关重要,特别是对于集体感知的信息融合来说,集体感知旨在通过在联网自动车辆(CAV)的通信网络中共享信息来进一步提高道路安全性。 在这种情况下,较小的定位错误会给融合来自不同CAV的信息带来额外的困难。 在本文中,我们提出了一种基于RANSAC(RANdom SAmple Consensus)的方法来校正两个CAV之间的相对定位误差,以便于CAV之间进行信息融合。 与以往基于LiDAR的定位算法只考虑静态环境信息不同,该方法还利用CAV之间的实时数据共享,利用动态对象进行定位。 具体来说,除了杆子、栅栏和立面等静态对象外,检测到的动态车辆的对象中心还用作匹配两个点集的关键点。 在合成数据集COMAP上的实验表明,只要两个CAV都能正确检测到足够多的车辆和极点,该方法可以将两个CAVs之间的相对定位误差降低到20cm以下。 此外,我们提出的方法在运行时也是高效的,可以用于自动驾驶的实时场景。