一种用于协同定位的检测和滤波框架

一种用于协同定位的检测和滤波框架

• 论文链接：https://arxiv.org/pdf/2403.05513.pdf

附赠自动驾驶最全的学习资料和量产经验：链接

摘要

本文介绍了一种用于协同定位的检测和滤波框架。自动驾驶汽车（AVs）正逐渐成为现实，例如当今汽车中的高级驾驶员辅助系统（ADAS），其辅助驾驶员实现驾驶和泊车功能。AVs的定位问题主要依赖于多个传感器，包括相机、激光雷达和雷达。制造、安装、标定和维护这些传感器可能成本较高，从而增加了AVs的总体成本。本项研究探索了在车队场景下改进车辆定位的方法，其中ADAS车辆跟随配备了高精度传感器套件的领头“智能”自动驾驶汽车。本文提出并且通过使用滤波框架将来自视觉和里程计的位姿信息相融合，从而提高自动驾驶汽车的定位性能。

主要贡献

本文的主要贡献如下：

1）本文开发了一种滤波框架，用于多智能体的协同定位；

2）本文在现实世界数据集（Ford Multi-AV Seasonal数据集）上测试所提出的框架。

论文图片和表格

总结

本项工作开发并且提出了一种定位机制，可以使用里程计和视觉反馈来实现多智能体定位。实验表明，在平移精度和边界误差方面有明显改进。当所提出的框架在Ford Multi-AV Seasonal数据集上进行测试时，其对各种程度的噪声都是鲁棒的。

随着定位流程的运行，本项工作的未来范围是使用一个检测和关联系统，而不是仿真器。这将提供一个完整的检测和滤波框架，其可以在现实世界系统中部署和测试。数据与时间戳的匹配是通过以GPS时间为参考计算的常量偏移来完成的。然而，可以使用一种更好的方法来进一步精确同步来自两辆汽车的数据。此外，在滤波器方面，本文还没有部署任何异常值剔除技术，也没有对系统的动态演变施加任何约束，这将留给今后的工作。