高速道路シーンにおける自動運転のための頑健なローカライゼーション

要旨: 高速道路における自律走行車のローカライゼーションは、市街地の道路に比べて十分に研究されていません。また、市街地シーン向けの最先端手法をそのまま高速道路に適用すると、性能が劣化します。我々は、情報の均一性のもとでの環境変化、重度の遮蔽、劣化したGNSS信号、そして精度と遅延に対する厳格な下流要件といった主要な課題を特定します。これらの高速道路の課題に対処するため、3Dの幾何学的構造と2Dの路面テクスチャの手がかりを分離するデュアル尤度LiDARフロントエンドを用いて環境変化に対応する、堅牢なローカライゼーションシステムを提案します。さらに、Control-EKFによりステアリングおよび加減速指令を活用し、遅れを低減して閉ループ挙動を改善します。自動化されたオフラインの地図作成とグラウンドトゥルースのパイプラインにより、高い更新頻度で地図を最新の状態に保ち、ローカライゼーション性能を最適化します。進展を促すために、都市部の道路と高速道路の両方を対象としつつ、代表的で困難な高速道路のクリップに焦点を当てた公開データセットを提供します。合計は163 kmで、ベンチマークは製品志向の精度指標と、認証済みのグラウンドトゥルースを用いて標準化します。ApolloおよびAutowareと比較すると、本システムは市街地の道路では同程度の性能を示しますが、困難な高速道路シナリオではより優れた頑健性を示します。本システムは、道路テストによる100万キロメートル超の検証によって裏付けられています。