CorAl:微分エントロピーを用いた多様な環境におけるロバストなレーダとライダー知覚のための検査【JST・京大機械翻訳】

Adolfsson Daniel; Castellano-Quero Manuel; Magnusson Martin; Lilienthal Achim J.; Andreasson Henrik

プレプリント

J-GLOBAL ID：202202216237949894 整理番号：22P0349062

CorAl:微分エントロピーを用いた多様な環境におけるロバストなレーダとライダー知覚のための検査【JST・京大機械翻訳】

CorAl: Introspection for Robust Radar and Lidar Perception in Diverse Environments Using Differential Entropy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年05月12日プレプリントサーバーでの情報更新日： 2022年05月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ロバスト知覚は,移動ロボットの長期運転を可能にするための必須成分である。それは,信頼できるセンサデータおよび前処理を通しての故障レジリエンス,および,例えば,位置決め性能を自己評価する能力のために,検査を通しての故障認識に依存する。本論文は,自己監督された方法でアラインメント誤差を検出するように学習する,ポイントクラウドのペア間のアラインメントの品質を測定するために,CorAl:原理的,直感的,および一般化可能な方法を提示する。CorAlは,シーンに固有のエントロピーを説明するために,それらの結合におけるエントロピーと別々に点雲における微分エントロピーを比較した。二重エントロピー測定の利用により,小さなアラインメント誤差に対して非常に敏感であり,また,まだ環境を良好に一般化する品質メトリックを得た。本研究では,雑音の多いレーダ走査から高品質点雲を生成する2段階フィルタリング技法を提案することにより,レーダデータに対するライダーのみのCorAlに関する以前の研究を拡張した。したがって,2つの方法でロバストな知覚を目標とする:アラインメント品質を検査的に評価する方法を導入し,それを本質的にロバストなセンサモダリティに適用する。CorAlと組み合わせたフィルタリング技法はアラインメント分類問題に適用でき,最大98%の精度で都市設定における小さなアラインメント誤差を検出し,異なる環境においてのみ訓練された場合,最大96%であった。ライダーとレーダ実験は,CorAlが,いくつかの屋内と屋外環境を含むETHライダーベンチマークと,都市交通シナリオのための大規模OxfordとMulRanレーダデータセットの両方に対して,以前の方法よりも性能が優れていることを示し,また,結果は,CorAlが,再訓練を必要とせずに,実質的に異なる環境にわたって,非常に良く一般化することを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

ロボットの運動・制御

, , , , , , ,

前のページに戻る